作者:朱汉斌 邰梦云 来源:中国科学报 发布时间:2020/6/23 23:56:23
选择字号:
Visionome技术算法可高效诊断多种眼病

 

 
中山大学中山眼科中心教授林浩添介绍项目进展
 
 
Visionome技术可高效诊断多种眼病。邰梦云/供图
 
历时5年攻关,中山大学中山眼科中心教授林浩添、刘奕志与西安电子科技大学教授刘西洋及其团队首创一种基于解剖学和病理学特征对医学图像进行密集标注的方法——医学图像密集标注技术Visionome,可以智能、高效诊断多种眼病。相关研究6月22日在线发表于《自然—生物医学工程》,并进入临床转化应用。
 
目前国内医学人工智能发展仍面临优质数据提取困难、现有数据标注方法效率低等一系列问题,同时许多疾病患病率低,不同学科数据特征迥异,导致现有人工智能算法通常难以应对跨学科场景。如何利用一流医疗人才团队与海量循证医疗数据的优势,突破僵局,建立中国特色的医学人工智能发展模式,仍然是目前广大人工智能工作者们面临的重大科学问题。
 
在国家重点研发计划、国家自然科学基金面上项目、广东省科技计划项目的支持下,林浩添提出了医学人工智能“乐高”计划,以标准化数据标注模式、提高数据标注效率、建立医疗数据区块链等作为切入点,进行战略部署。该计划通过将医学数据转化成可以拼插组合的“乐高”模块,打通不同疾病学科的数据异质性壁垒。
 
林浩添表示,作为医学人工智能“乐高”计划的首个研发成果,Visionome技术成功实现了人工智能进行跨学科、多病种应用。基于此技术,其团队训练出可准确识别多种眼前段病变的裂隙灯图像智能评估系统,可应用于大规模筛查、综合分诊、专家级评估、多路径诊疗建议等多个临床场景。
 
据介绍,研究人员利用类似DNA序列分割的原理对医学图像进行分割:建立Visionome密集标注标准流程,组织25人专家标注团队将1,772张包含角膜炎、胬肉等感染、环境、年龄相关性疾病的眼前段图像,按照14种解剖结构进行区域分割,对于6种病变部位按照54种病理性特征进行密集标注,最终得到了13404个解剖结构标签和8,329个病理特征标签。结果显示,Visionome数据集训练的算法具有显著更高的诊断准确率。
 
研究人员使用Visionome数据集,进一步研发了可针对多种眼前段疾病,进行多区域识别和分类的裂隙灯图像智能评估系统。该系统可完成大规模筛查、综合分诊、专家级评估、多路径诊疗建议4项临床任务。为了进一步评估系统的可延展性,团队使用了20种系统未学过的眼病进行测试,系统在大规模筛查场景中达到了84.00%的准确率。
 
“与传统图片级分类标注方法相比,Visionome技术可多产生12倍标签,而这些标签训练出来的算法显示了更好的诊断性能。”林浩添表示,使用者通过在Visionome诊断系统中上传眼前段图像,即能一次获得多个部位的全方位诊断,与传统的人工智能算法相比,Visionome系统可生成更加全面、精细、具体的报告,真正让医学人工智能应用揭开神秘的面纱,成为一个接地气的“医生”。
 
该研究有效解决了数据样本量小和数据浪费等问题,但仍对标注数量及质量有很高要求。目前,团队以区块链技术优势与医疗健康数据传输共享技术相结合作为切入点,基于区块链开放共识、不可篡改、易于追溯等特点,进行医疗健康区块链技术的战略布局。
 
据了解,作为本次研究成果的共同第一作者——中山大学中山眼科中心博士研究生李王婷、杨雅涵与西安电子科技大学张凯博士等其他团队成员进行了深度合作,从生理学、病理学、解剖学、诊断学等几个不同的角度着手,在经历多次标注方案失败、测试和优化后,最终明确Visinome图像密集标注方案,并逐步完成了软件设计、网站部署、临床应用及评估等工作。
 
相关论文信息:https://doi.org/10.1038/s41551-020-0577-y
 
 

 

 
版权声明:凡本网注明“来源:中国科学报、科学网、科学新闻杂志”的所有作品,网站转载,请在正文上方注明来源和作者,且不得对内容作实质性改动;微信公众号、头条号等新媒体平台,转载请联系授权。邮箱:shouquan@stimes.cn。
 
 打印  发E-mail给: