一、基本信息
所属科技项目名称：AI+健康协同创新培育
项目主管部门：北京市科学技术委员会、中关村科技园区管理委员会
二、科技成果信息
科技成果名称：基于医学影像AI技术的肝胆外科术前规划系统构建
科技成果类型：原始创新
科技成果所处阶段：中试放大
科技成果应用领域：卫生和社会工作
三、科技成果简介
1. 成果来源
本项科技成果由北京精诊医疗科技有限公司自主研发。是基于对临床影像诊断痛点的洞察和分析，联合医学影像专家、肝胆外科专家、人工智能专家，依托医疗影像数据以及深度学习算法，打造出的精准、高效的肝胆外科影像诊断辅助工具。
2. 技术原理
系统基于深度学习技术开发，针对临床影像诊断的痛点以及当前已有算法的问题，构建了新的血管分割算法、肿瘤分割算法。能够对输入的CT影像数据进行多尺度的特征提取以及三维重建。
（1）针对肝脏血管分割提出了基于注意力与多尺度融合的血管分割网络，以U-Net为基本模型，编码器部分由卷积层、多尺度特征融合模块以及最大池化层组成，其中多尺度特征融合模块的引入可以增加网络感受野，进而学习到不同尺度的特征；解码器包括反卷积层、多尺度特征融合模块和Softmax激活函数，其主要目的为从编码器的输出特征恢复出与输入CT图像同样尺寸的分割图像。与U-Net不同的是，LVSNet网络中对应的编码层和解码层之间均设置有注意力引导连接模块，其在富含语义信息的深层特征的引导下，可以排除浅层特征中易对分割任务造成干扰的无用特征。
（2）针对肝脏肿瘤分割提出一种端到端的八度卷积神经网络模型（Octave Convolution U-Net, OC U-Net）。结构上包括编码器和解码器两部分，它们的基本构成为两个三维卷积层后接一个三维八度卷积层。八度卷积层能够将肿瘤特征分为高频和低频特征分别进行学习，其中图像信号中的低频分量，指的是图像（肿瘤）亮度与灰度变换平缓的地方，例如肿瘤内部特征，而高频分量，通常指图像信号亮度与灰度变化剧烈的区域，例如肿瘤区域的边缘信息。高频特征富含肿瘤边缘检测所需的信息，而低频特征则重点关注肿瘤内部平滑区域，二者联合能够更有效地提取感兴趣肿瘤，明确肿瘤边缘。
3. 关键技术指标
诊断准确率：针对肝胆肿瘤的诊断，在多中心的临床试验中，准确率相比传统纯人工阅片可提升20%以上，为早期疾病筛查和精准治疗提供了有力的支持。
处理速度：在临床试验中，平均单一病例软件辅助阅片时间13.58分钟，平均单一病例人工阅片时间21.93分钟。软件辅助阅片极大提高了阅片效率，减轻了医生工作负担。
可扩展性：系统采用了模块化设计，后续可较为便捷的接入其他医学影像系统和疾病诊断模块，根据临床需求持续扩展。
4. 应用前景
医疗机构：各级医院引入后，可以优化诊断流程，提高诊断效率和诊断质量。预计平均每个病例的阅片时间将缩短50%，能够有效的提高在有限资源下医疗机构的服务能力，亦能够一定程度上减轻医生工作压力，提高工作质量。
医学教育：利用现有技术可以为医学生提供模拟诊断实践平台，帮忙快速掌握影像诊断能力，加速医学人才培养。推动医学教育数字化，创造新的教学应用场景和市场需求。
