別出“心”裁

摘 要：目前國(guó)內(nèi)醫(yī)療圖像分割應(yīng)用極少，現(xiàn)有分割算法耗時(shí)長(zhǎng)、效率低，圖像辨識(shí)精度難以保證；醫(yī)生只能憑借經(jīng)驗(yàn)估計(jì)病灶大小、形狀和三維位置相對(duì)關(guān)系，有礙診療的準(zhǔn)確和便捷；現(xiàn)有病例數(shù)據(jù)、診療方法、經(jīng)驗(yàn)共享困難，無(wú)法用大數(shù)據(jù)預(yù)測(cè)病情的擴(kuò)散趨勢(shì)。目前，我國(guó)心功能醫(yī)療診斷行業(yè)缺乏一款針對(duì)心臟的醫(yī)療輔助平臺(tái)。為滿足行業(yè)需求、打破技術(shù)壟斷、解決檢測(cè)評(píng)估難題，系統(tǒng)以心臟功能評(píng)估與疾病的輔助診斷為出發(fā)點(diǎn)，以心臟核磁共振圖像、心功能指標(biāo)計(jì)算方法為基礎(chǔ)，開(kāi)發(fā)了由心臟圖像分割、三維重建、輔助評(píng)估系統(tǒng)、共享病歷數(shù)據(jù)庫(kù)模塊組成的心功能分析評(píng)估軟件系統(tǒng)，為醫(yī)患提供診斷結(jié)果。

關(guān)鍵詞：融合神經(jīng)網(wǎng)絡(luò)；三維重建；共享病例庫(kù)

1 作品簡(jiǎn)介

團(tuán)隊(duì)研發(fā)了基于邊端云協(xié)同技術(shù)與深度學(xué)習(xí)智能算法的心臟醫(yī)療影像輔助分析系統(tǒng)，這是一款集核磁共振圖像自動(dòng)分割、心臟三維圖像構(gòu)建、共享病歷數(shù)據(jù)庫(kù)集成、心臟指標(biāo)智能分析與評(píng)估于一體的智慧醫(yī)療云平臺(tái)。團(tuán)隊(duì)以醫(yī)療影像智能分割和指標(biāo)分析為出發(fā)點(diǎn)，獨(dú)創(chuàng)了基于DenseNet和CSRNet卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)算法，具有將心臟影像引入端到端深度學(xué)習(xí)框架、局部圖像感知等優(yōu)勢(shì)。結(jié)合RC算法實(shí)現(xiàn)了心臟三維重建，建立了基于MRI圖像數(shù)據(jù)與3D數(shù)據(jù)庫(kù)的可變模型，以可變參數(shù)為基礎(chǔ)，跟蹤心臟邊界信息動(dòng)態(tài)構(gòu)建三維立體影像。自主研發(fā)基于多用戶容器技術(shù)、NGV技術(shù)棧的MuVM框架及RDS for MySQL數(shù)據(jù)庫(kù)進(jìn)行分布式數(shù)據(jù)存儲(chǔ)，實(shí)現(xiàn)了共享病例數(shù)據(jù)。

2 項(xiàng)目創(chuàng)新點(diǎn)

（1）核磁共振圖像分割系統(tǒng)。項(xiàng)目自主研發(fā)了基于級(jí)聯(lián)分割與回歸網(wǎng)絡(luò)（CSRNet）的融合分割網(wǎng)絡(luò)，可對(duì)患者心臟核磁共振圖像進(jìn)行全自動(dòng)分割。根據(jù)心臟分割結(jié)果識(shí)別心臟異常指標(biāo)對(duì)于各疾病的權(quán)重，實(shí)現(xiàn)10余種疾病的精準(zhǔn)評(píng)估，提供若干常見(jiàn)及罕見(jiàn)心臟病的疑似結(jié)果，為醫(yī)生提供輔助分析。

（2）心臟三維影像重建技術(shù)。以RC算法為核心的三維重構(gòu)算法利用核磁共振圖像對(duì)心臟進(jìn)行立體三維重建。重建后的三維圖像與真實(shí)心臟相比誤差控制在毫米級(jí)，具有醫(yī)患溝通、術(shù)中導(dǎo)航、病灶精準(zhǔn)定位、指標(biāo)量化分析等功能。

（3）共享病歷資料庫(kù)。團(tuán)隊(duì)自主搭建了基于大數(shù)據(jù)的病例庫(kù)，合理利用醫(yī)療大數(shù)據(jù)并滿足醫(yī)院對(duì)病例數(shù)據(jù)共享系統(tǒng)的需求。醫(yī)生可以利用大數(shù)據(jù)預(yù)測(cè)病情的擴(kuò)散趨勢(shì)，將病人的既往病史、體質(zhì)特征、健康數(shù)據(jù)等作為診斷輔助。

（4）智慧醫(yī)療云平臺(tái)。將磁共振圖像分割、心臟三維重建、共享病歷數(shù)據(jù)庫(kù)整合到云平臺(tái)，可以為多用戶提供基于大數(shù)據(jù)病歷庫(kù)的實(shí)時(shí)檢查服務(wù)與醫(yī)學(xué)輔助評(píng)估功能。

3 應(yīng)用前景

我國(guó)心血管疾病患者人數(shù)已接近4億，位居世界首位。而90%的臨床醫(yī)療數(shù)據(jù)源自影像診斷，但核心技術(shù)仍被歐美壟斷。且我國(guó)醫(yī)療資源分配不均，15.82萬(wàn)放射科醫(yī)生對(duì)應(yīng)75.4億年就診人次，醫(yī)患比例嚴(yán)重失調(diào)。同時(shí)，基層醫(yī)院由于醫(yī)療水平較低無(wú)人問(wèn)津。近幾年，人工智能發(fā)展迅速，國(guó)家相繼出臺(tái)了多項(xiàng)鼓勵(lì)創(chuàng)新智慧醫(yī)療的政策，2022年全國(guó)兩會(huì)更是呼吁加強(qiáng)理療影像科的普及建設(shè)。

從行業(yè)環(huán)境來(lái)看，基于深度學(xué)習(xí)的人工智能輔助分析系統(tǒng)極大提高了醫(yī)生的診療效率，醫(yī)療圖像輔助診斷市場(chǎng)前景廣闊。

人工檢查圖像具有極強(qiáng)的主觀臆斷性，隨著智慧醫(yī)療的提出，各大醫(yī)療機(jī)構(gòu)也陸續(xù)采用了新型醫(yī)療診斷系統(tǒng)，但由于傳統(tǒng)對(duì)心臟的研究采用基于變分法或者圖像分割方法分割出序列MRI中左、右室壁內(nèi)外膜再進(jìn)行分析計(jì)算，很難做到全自動(dòng)處理，且分割耗時(shí)長(zhǎng)，而心臟運(yùn)動(dòng)復(fù)雜，導(dǎo)致心室解剖結(jié)構(gòu)變化大，給分割帶來(lái)更大困難。2014—2019年，我國(guó)醫(yī)學(xué)影像設(shè)備市場(chǎng)在全球醫(yī)學(xué)影像市場(chǎng)占比不斷增加，對(duì)可對(duì)心功能進(jìn)行準(zhǔn)確評(píng)估的醫(yī)療人工智能系統(tǒng)的市場(chǎng)需求巨大。