深圳先進院在基于人工智能的醫學影像病變自動識別研究取得重要進展
近日，中國科學院深圳先進技術研究院數字所生物醫學信息技術研究中心李燁研究員團隊針對醫學影像病變自動識別與分割問題提出了一種基于邊界信息響應的上下文感知深度神經網絡，有效地提升了醫學影像中病變區域的自動分析與識別準確率。該成果“Boundary-aware context neural network for medical image segmentation”已發表在醫學圖像處理頂級期刊《Medical Image Analysis》 上(中科院1區，五年影響因子IF：11.220）。論文第一作者是數字所王如心副研究員，樊建平研究員、李燁研究員為該文通訊作者。
通過人工智能算法，從不同醫學圖像中自動檢測和識別病灶部位可以為病人的診斷、治療以及預后監測提供一種快速且有效的計算機輔助診斷方法，提高放射科醫生的工作效率，滿足日益增長的影像和診斷服務需求，同時還可以有效地緩解資深專業放射科醫生短缺問題，為準確及時的醫學診斷提供輔助的影像學證據。醫學圖像中病變通常表現出形態、分布不規則，與周圍正常組織器官區分度低，邊緣模糊等特性，為精確自動識別帶來了巨大挑戰（圖1）。針對上述問題，團隊提出了一種基于邊界信息響應的上下文感知深度網絡架構。通過級聯構建的金字塔邊緣提取模塊，多任務學習模塊以及交叉特征融合模塊，自適應地聚合多層次、細粒度的圖像特征，提升了深度神經網絡對病變形態、分布及邊緣信息等復雜結構的感知，降低了周圍正常組織器官、噪聲等因素的干擾，極大改善了分割的準確率。提出的方法在皮膚鏡圖像、內窺鏡圖像以及X 光圖像等多種模態醫學影像病變區域分割任務上表現優異，其中在ISIC2017國際皮膚鏡圖像分割挑戰賽測試數據上識別精度達到81.0%，相較比賽冠軍隊伍成績，分割精度提升了4.5%；此外在基于內窺鏡圖像的結腸息肉識別精度達到88.5%、X光圖像的肺器官分割精度達到92.8%，提出的模型對比其他多種深度學習方法取得了最好的分割表現。
該研究工作得到了中國科學院戰略性先導科技專項（B類）以及國家自然科學基金等科技項目資助。
論文鏈接：https://doi.org/10.1016/j.media.2022.102395
圖1：基于邊界信息響應的上下文感知深度神經網絡示意圖
