郑州光超

光超AI读图智能辅助诊断系统的相关研究发表于IEEE Transactionson Biomedical Engineering

2023-08-14 15:21:17

光超医疗联合郑州大学第三附属医院、武汉大学软件工作重点实验室对光超图像的计算机辅助诊断系统进行了深入的研究，论文《Computer-Aided Diagnosis of Label-Free 3-D Optical Coherence Microscopy Images of Human Cervical Tissue（人体宫颈组织无标记三维光学相干显微图像的计算机辅助诊断）》于2019年9月发表于IEEE Transactionson Biomedical Engineering（66卷）。

目的：超高分辨率光学相干显微镜（OCM）最近显示了其在精准诊断人类宫颈疾病方面的潜力。然而，临床应用的一个困难是临床医生需要学习OCM图像的判读，这种训练会比较耗时，而临床医生可能会由于工作繁忙对此难以接受。通过开发计算机辅助诊断智能技术来准确解释OCM图像，将有利于光超成像技术更广泛地应用于临床。

方法：从92名女性患者的159个离体标本中收集497个高分辨率三维OCM体积（每张图像有600个横截面）。使用卷积神经网络（CNN）模型提取OCM图像特征，与患者信息[如：年龄和HPV检测结果]连接，并使用支持向量机分类器进行分类。用十字交叉验证法来测试CADx方法在五种分类判别和二元分类判别中的性能。

结果：对五种病理图像的宫颈组织判断准确率达到了88.3±4.9%，即正常、外翻、低级别和高级别鳞状上皮内病变（LSIL和HSIL）以及癌症。在二元分类任务[低风险（包括正常、外翻和LSIL）与高风险（包括HSIL和癌症）]中，CADx方法达到了0.959的曲线下面积值和86.7±11.4%的敏感性和93.5±3.8%的特异性。

结论：基于深度学习的CADx方法在二分类和多分类任务中有较好的应用效果，其分类精确度优于四位人类专家。通过使用引导反向传播和显著性图，进一步确定了OCM图像中的形态学特征，并提供了OCM图像中与组织病理学相关的特征。

意义：在基于深度学习的CADx方法的帮助下，超高分辨率OCM技术有望成为现有技术的强有力补充，有助于实现无创、无标记、实时筛查和实时诊断人类宫颈疾病。

光超医疗人工智能辅助诊断系统目前正在研发当中，通过AI辅助诊断可以帮助医生更快更精准地获得宫颈病变情况，有利于加快光超技术在全国以及世界范围内的推广应用。

上一篇: 您有一份来自“SCI期刊”的发表邀请函，请点击查看

下一篇: 光超发现一例病理漏诊的宫颈高级别鳞状上皮内病变，论文发表于河南大学学报