观后感&笔记-20211121沈定刚教授在valse上的特邀报告

观后感&笔记-20211121沈定刚教授在valse上的特邀报告

标题：VALSE-特邀报告【人工智能在赋能设备、赋能临床、赋能科研中的应用实例】

主讲人：沈定刚 (上海科技大学、上海联影智能医疗科技有限公司)

链接：B站https://www.bilibili.com/video/BV1o341187W1?spm_id_from=333.999.0.0VALSEhttp://valser.org/article-479-1.html

---

智能影像赋能的三大方向（学术与产业的共同方向） 一.赋能设备：予临床以智慧

AI对医疗更加智慧体现在四个方面

1.设备扫描的更快（如核磁共振“百秒成像”）

• MRI对人体无伤害，对软组织的对比度很清晰，但是扫描速度极慢，在大城市的医院的等待时间长（2、3个礼拜），国外扫30-45分钟的脑科学影像做研究，国内10+分钟做临床诊断，同时患者是需要保持不动的，体现快速扫描的重要性！
• MR快速重建：利用序列间的共有结构信息
• AI结合：ACS:AI-assisted compressed sensing
• 助力医生：工作负担减轻，患者服务效率提升；关爱患者：等待时间减少，诊断成功率提高

2.更安全（低剂量CT成像）

• CT FBP对人体有害，低剂量的CT成像能减少伤害，同时保证成像效果

3.更好（器官自动勾画TPS:）治疗做的更好

• 人工勾画每个组织平均20分钟，放疗到肿瘤区域杀死癌细胞，从外面打到内部，但是正常组织可能有沾染，对角度和剂量要求很高，所以需要提前做好预案，但是患者到现场又需要配型的筛查，很费时间

4.更经济（低剂量的PET快速成像，HYPER DLR :hyper deep learning reconstruction）

• 为了观察人体的新陈代谢，需要将化学的造影剂打进人体，达到身体的各个部位，但是如果肾有问题很难打进去，并且对人体身体有害，减少造影剂剂量，同时保证成像效果，适合对小孩、孕妇的扫描
• 但是少剂量的PET、短时间的扫描都会导致伪影、噪声，影响影像质量
• DeepLearning的方法：将高剂量、低剂量的image分别输入模型进行学习训练，测试阶段将低剂量的image输入，重建得到高剂量的image
• 40s/bed：意思是每一个诊断成像耗时

2.赋能临床：予临床以精准

即怎么用AI的方法帮助医生解决临床的痛点问题，或者提高效率、精度。沈教授提到了以下几个方面的应用：

• 1.冠脉分割，希望从CT中把心脏周围的冠脉提取出来，然后可视化，可以观察每一个切面与相应的病变
• 2.骨折，从X光、3维CT，300-500张的slice中提取微小骨折，辅助阅片，提高效率，就像高德地图辅助你导航找到某个位置
• 3.新冠肺炎诊断，全流程，诊断前、中、后
• 4.头部血管分析：
• 5.脑组织重建，影像：
• 6.骨龄检测，X光，估计小孩的骨龄

最终目标是实现一个临床诊疗平台：通过一个平台能够覆盖多个病种与临床场景，实现医学影像全流程智能化诊断，可以用于以下几个场景：

• 1.胸部多疾病诊断：

又包括：心脏MR智能分析系统、冠脉智能分析系统、肋骨骨折智能分析系统、肺结节智能筛查与随访系统（目前中国医院中最成功的应用，结节检测->结节的良恶性预判）、淋巴结智能筛查与随访系统、肺炎智能筛查与随访系统

• 2.神经影像分析：颅内出血智能分析系统、脑结构智能评估与随访系统
• 3.妇幼健康管理：乳腺X光智能筛查系统、儿童生长发育智能评估系统

以下是几个联影智能做的案例：

例1*头颈CTA临床应用

解决对象：脑卒中（缺血性脑卒中），由于脑部血管突然破裂或血管堵塞导致血液不能流入大脑而引起的脑组织损失，其特点是：高发病率、高致残率、高死亡率、高复发率、高经济负担诊断方式：头颈CTA是头颈部血管病变诊断及长期随访的首选无创影像检查方式。与介入式血管造影（DSA）相比，具有无创性、费用低、可重复性等优点传统阅片流程：

• 完成CT扫描，将影像序列发送到特定工作站
• 技师/医生利用特定后处理工作站实现图像（血管）重建，选图
• 归档PACS+胶片打印
• 医生在他的工作站中打开PACS阅片，在RIS系统中写诊断报告

（重建与阅片分离，分割结果不够好，需要手所以动编辑、人工选图，耗时长，大约10-30分钟）

AI阅片诊断流程：

（头颈CTA阅片工作流优化）

• 完成CT扫描
• 送入AI服务器进行AI自动计算（多厂家CT）
• 医生在客户端阅片（完成重建+阅片相结合）
• 一键归档PACS+胶片自动排版

（重建与阅片相结合，仅需少量手动编辑（对差的结果），可以节省至少50%的时间，并且精度较高）

主要功能1：

血管智能重建：

秒级重建血管、自动识别、命名血管分段、提取并标识血管中心线

（去骨、血管分割、血管分段：实现血管智能提取与多维度全景展示，达到智能血管重建的目的

其中，血管分割采用点云网络，保持更好的精细血管的连续性，利用v-net得到粗分割结果，构建点云，然后再粗分割点云得到点云网络、细分割点云构建血管拓扑图、再利用拓扑图优化点云网络，此案有图连接技术，对血管进行分段，更好的标记血管，解析血管结构）

主要功能2：

全景图像展示：VR/MPR/CPR/探针图/SCPR等多类型展示，呈现病灶全貌

主要功能3：

变异与病灶智能分析：

变异智能检测，斑块、支架智能检测、狭窄评估、动脉瘤智能检测与分析

（变异检测、斑块检测与狭窄评估、动脉瘤检测与形态学分析：实现病灶与变异检测、智能分析，达到智能疾病诊断的目的）

主要功能4：

智能归档与胶片打印：

智能归档、无需手动保存、胶片智能排版一键打印

例2*心脏MR智能分析（把心脏的contour进行勾画，分成不同的区域，进行受力分析）

• 1.心脏电影图像快速重建
• 2.心功能分析（智能心室轮廓勾勒，心功能参数及人群统计对比）
• 3.心脏应力分析（纵向、径向、周向应力分析，可视化应力分析）

例3*MR脑结构智能分析

• 1.脑区域精确分割（“秒级”分割106个子结构，2D/3D渲染、联动）
• 2.多维量化分析（基于脑区和疾病的细化分析，量化随访探测脑结构的细微变化）
• 3.图文报告生成（展示全区容积及曲线图，支持数据导出，做临床科研）

3.赋能科研：予临床以新径

（大学、公司做了很多的算法，怎么放到一个平台里去，如MATLAB，Python，临床科研里是否能把工科的工具放到临床里，做一个科研的平台）这一部分对我来说，兴趣不大

• 1.课题管理（课题/子课题层级管理，添加设置课题组成员，多个课题并行管理）
• 2.数据管理（课题数据上传下载，跨课题数据与模型复用，*内置人工/AI的数据标注工具）
• 3.图像处理（完整的影像组学分析算法（分割、配准……用到新的疾病中去），医疗AI核心技术引擎，*支持AI在线训练与迭代）开放工具，省去前期准备的编写过程
• 4.统计图表（生成统计结果与图标，支持图标的导出，分析结果保存与对比）

讲座的最后沈教授还回答了听众们的问题，涉及了医学影像分析领域的很多内容，包括技术和方向等等的问题，还有关于TMI & MIA 期刊投稿的问题，最后主持人夏勇教授问了一个综合性的问题，关于我们新入行的学生们应该怎么下手。