智能应用 影音
台湾新创生态圈大调查 发表会
财团法人大肚山产业创新基金会

AI脑瘤影像判读 灵敏度最高可达100%

AI脑瘤影像判读 灵敏度最高可达100%

美国华盛顿大学医学院的研究团队训练出一个新的AI模型,可针对患者脑部3D影像进行识别,判断是健康的脑部还是罹患脑瘤,可望为放射科医师减除繁琐的影像判读流程。

目前最常用来检查脑瘤的方法包括电脑断层扫描(CT)、核磁共振造影(MRI)以及血管摄影。在拍摄完毕後,放射科医师必须一张一张看,并标注出可能是脑瘤的区域以及范围大小,几乎是一种高密集劳力作业。

这篇刊载於《Radiology: Artificial Intelligence》的最新研究,可望解决这项问题。根据Digital Health News网站报导,华盛顿大学医学院的放射学研究所团队设计了一个卷积神经网络(CNN)演算模型,利用MRI扫描的数据还有实际切除脑瘤组织所化验纪录的可公开数据来训练,这个演算法可以辨别出包含恶性胶质瘤、脑膜瘤等六种最常见的脑瘤。

根据团内内部测试的数据,在可识别的七种型态中(包含健康以及其他六种脑瘤),准确率达到93.35%,侦测的灵敏度最低为91%,最高可达100%,而且识别区域高度重叠於实际罹患脑瘤的区域,也就是说,只要患者脑部有肿瘤,这个演算法都可以抓得到。

如果只让系统识别恶性胶质瘤和慢性胶质瘤的话,演算法的准确率也高达91.95%。值得注意的是,原发性的恶性脑瘤中有将近8成为胶质瘤,代表这个模型几乎可以找出大部分的脑瘤。团队成员表示,这些结果都表明3D深度学习模型可以缩减标注流程,而且在某些情况下,非侵入性的MRI或许可以取代部分侵入性的采检分析。

模型的共同开发者Aristeidis Sotiras博士指出,这是第一个以MRI影像中的体积来判定脑瘤是否存在,以及属於哪一种常见类型的颅内肿瘤研究。这个研究意味着,未来可以扩展到其他脑瘤类型或神经系统疾病的判读,以提升大部分神经放射学的工作效能。

  •     按赞加入DIGITIMES智能医疗粉丝团
更多关键字报导: 核磁共振 美国 AI 影像判读