郑州光超

武汉大学团队基于对比自监督纹理学习的光超AI读图研究新进展

2023-08-14 15:17:27

光超检查作为一种实时、无创的在体宫颈检测技术，近年来备受业内关注，来自武汉大学的马于涛教授带领研究团队对光超图像的人工智能判读开展深入研究，相关研究成果发表于Medical Physics。

通过基于自监督学习的计算机辅助诊断(CADx)方法来对光超宫颈OCT图像进行分类、判读，准确率优于两位参与测试的医学专家。

由于基于纹理特征的更好的可解释性，提出的CADx方法在帮助妇科医生在临床“即诊即治”方案中做出快速准确的诊断方面具有巨大的潜力。

背景：宫颈癌严重威胁到女性的生殖系统健康，光学相干断层扫描(OCT)作为一种非侵入性、高分辨率的成像技术，可用于检测宫颈疾病。然而，OCT图像标注知识密集且耗时，阻碍了基于深度学习的分类模型的训练过程。目的：本研究旨在开发一种基于自监督学习的计算机辅助诊断(CADx)方法来对宫颈OCT图像进行分类。

方法：除了由卷积神经网络 (CNN) 提取的高级语义特征外，所提出的 CADx 方法还利用了通过对比纹理学习得到未标记宫颈 OCT 图像的纹理特征。我们对来自来自中国的733例患者的多中心临床研究的OCT图像数据集进行了10倍交叉验证。

结果：在检测高危疾病的二元分类任务中，包括高级别鳞状上皮内病变(HSIL)和宫颈癌，我们的方法获得了0.9798±0.0157的曲线下面积(AUC)值，灵敏度为91.17±4.99%，93.96±4.72%对OCT图像贴片的特异性；此外，它在测试集上优于四位医学专家中的两位。此外，我们的方法在包含一家医院118名中国患者的287个3D OCT体积的外部验证数据集上获得了91.53%的敏感性和97.37%的特异性。

结论：所提出的基于对比学习的CADx方法优于端到端CNN模型，基于纹理特征具有更好的可解释性，在“即诊即治”的临床方案中具有巨大的应用潜力，强化宫颈癌防治三阶梯，同时有利于辅助医生读图，减少光超新技术使用壁垒。

上一篇: 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

下一篇: 中南大学湘雅二院最新研究成果发表！光超可有效减少宫颈检查流程