智能应用 影音
DTResearch
event

WISE-PaaS/AIFS医疗影像AI方案有效提升诊疗效率

研华AIFS的医疗影像AI方案,其模型训练流程中包含四项作业程序,图象资料前处理、图象分割与模型、特征萃取与分析、诊断分析看板。

综观医疗保健体系,放射科医生堪称富含价值的要角,影像医学是当今高科技医疗中不容或缺的一环,许多细微病灶,都需要借重放射科医生的专业辨识力,从 X光、CT 或 MRI 影像档案看出端倪,见微知著。尽管在大量档案当中,真正被检出患部的比例不高,平均仅4~10%,但放射科医生仍需从头到看完每张片子,难免面临作业时间长、工作负担重的情形。

长此以往,这般作业模式恐造成遗憾影像档案的检视顺序,乃是依照先来后到,假使重症病患较晚接受照影,也会较晚被检出病灶,可能错失诊疗或救治的最佳时机。

着眼于此,因应医疗中心的需求,研华发展基于WISE-PaaS/AIFS的医疗影像AI方案与咨询服务,第一阶段率先推出「胸部X光图象之气胸检测」方案,目标藉由AI协助检测每份影像档案,判断风险等级高低、藉此进行分类分群,假使侦测到高风险病灶,便立即向放射科医生发出警讯,以利医生优化调整作业顺序,得以聚精会神优先检测高风险档案,连带确保重症病患能够优先获得诊治。另一方面,也有助于改善放射科医生的工作环境,减少眼力耗损,利于延长职场寿命。

基于WISE-PaaS/AIFS所开发医疗影像AI方案,涵盖六大实作步骤,依序是取像、推理、确认、标注、模型再训练、模型换置;透过六步骤的持续循环,可促进模型持续精进优化。

具体来说,AIFS的医疗影像AI方案,其模型训练流程中包含四项作业程序。首先是「图象资料前处理」,先将图象格式从DICOM转为PNG,再搭配AIAA人工智能辅助标示工具来辅助标注,加快医生标注影像的效率。其次是「图象分割与模型」,按医生设定的检测需求进行建模,并搭配生成对抗网络(GAN)技术、模拟合成更多的训练资料量,解决各医院影像资料不足、难以推动模型训练之问题。

第三道程序是「特征萃取与分析」,藉由各种统计方法,分析每一个病灶的强度、纹理及高阶特征。四是「诊断分析看板」,透过此看板协助医生深入剖析病灶、获得诊疗方式的推荐建议、执行预后预测,使医生能够产出最佳的医疗决策。

截至目前,研华WISE-PaaS/AIFS的气胸检测方案已获得台湾南部某大型医院的青睐,以此进行多次验证,证实能有效促进放射科医生工作顺序的最佳化,得以优先检测疑似带有气胸病灶的影像资料,让一些罹患气胸、但较晚进行X光拍片的病人,不致延误诊疗时效,因而提高存活率,可谓意义重大。

据了解,研华基于公开资料集建置深度学习X-光片气胸分群模型,导入至上述医院时,再搭配采用AI架构服务的资料前处理、超参数调校等功能来优化模型,进而完成可分群医院 X-光片是否有气胸(Yes/No)之AI模型;后续证实在医院测试集上Dice Index超过0.8,已达到可上线使用的标准。

值得一提,关于气胸检测的取像、推理、确认、标注、模型再训练、模型换置等六项执行步骤,其实亦适用于主动脉剥离、肺炎/肺结核/肺癌、脑出血等其它重症检测工作,因此研华未来将携手更多智能医疗生态系伙伴,扩大基于WISE-PaaS/AIFS的医疗影像运用范畴,接续繁衍出主动脉剥离检测方案、肺部病症检测方案、脑出血检测方案等等,让更多病患受惠。


  •     按赞加入DIGITIMES智能医疗粉丝团
更多关键字报导: 研华 WISE-PaaS AI 智能医疗