沈阳-田捷-医学影像中的AI算法.pptx
- 文档编号:240959
- 上传时间:2022-10-07
- 格式:PPTX
- 页数:75
- 大小:15.88MB
沈阳-田捷-医学影像中的AI算法.pptx
《沈阳-田捷-医学影像中的AI算法.pptx》由会员分享,可在线阅读,更多相关《沈阳-田捷-医学影像中的AI算法.pptx(75页珍藏版)》请在冰豆网上搜索。
医学影像中的AI算法和研究热点,田捷,Ph.D.AAAS,ISMRM,IEEE,SPIE,AIBME,WMIS,OSA,IAPRFellow2020年12月5号,第4届图像计算与数字医学国际研讨会,人工智能发展,AI1.01950s1980s,AI2.01980s2010s,AI3.02010s现今-SanjivSamGambhir,StanfordUniversity,WMIS2018,人工智能与深度学习,AI(人工智能):
使计算机做人类认为智能的事情,ML(机器学习):
从数据中快速、自动化构建算法NN(神经网络):
更为强大的机器学习DL(深度学习):
由众多感知层构建的神经网络,-SanjivSamGambhir,StanfordUniversity,WMIS20183,CTMRI,超声,基于医学影像大数据的局部维度研究,影像不只是图像,更是大数据512个像素512个像素,200个断层,一个病人52,428,800个体素,有机组合多类特征,1千到10万个影像特征,Radiology.2016;278
(2):
563-577.CACancerJClin.2019;69
(2):
127-157,形状特征频域特征强度特征深层特征纹理特征经验特征,人工智能显著提高图像重建质量,人工智能,数据,图像,知识,智能重建,基于人工智能的影像重建可以显著提高成像质量,智能重建关键技术深度学习MRI重建(1/3),K-空间图,MRI影像,复杂频域到时域变换方法,传统MRI重建受到大量降采样及噪声等干扰BoZhu,etal.Nature2018555:
487-492,图像流形生成网络,图像流形变换网络,智能重建关键技术深度学习MRI重建(2/3),人工智能MRI重建克服信号采集失真提高重建质量,智能重建关键技术深度学习MRI重建(3/3),人工智能MRI重建显著提高影像质量BoZhu,etal.Nature2018555:
487-492.,深度学习智能光学重建,训练样本,BLT/FMT智能重建网络,活体光学三维重建,光源位置没有复杂物理过程的简化数学模型Y.Gao,etal.,Optica,2018;5(11):
1451-1454.(SCIIF=7.536),人工智能加速获取临床大数据信息,数据人工智能,图像,知识,影像组学,报告内容,基于人工特征的影像组学分析,基于深度学习的影像智能诊断,特异性新型卷积神经网络模型,医疗人工智能的前沿热点方向,影像组学概念微观的基因或蛋白质模式改变在宏观影像上有所表达,通过深度挖掘影像特征,可以反映人体组织、细胞和基因水平的变化,ClinRad2010EJC2012医疗影像数据,MRI2012定量特征提取,Nat.Comm.2014人工智能模型,影像组学结合医学影像、基因和临床大数据,利用人工智能方法高通量地提取并分析肿瘤信息,为临床提供辅助决策支持概念提出概念完善试点应用临床热点,CACancerJClin.2019临床辅助决策,13,人工智能辅助疾病的临床诊疗,多组学大数据,影像特征,诊疗应用,疾病大数据人工智能模型,精准诊断预后预测治疗选择,影病像理(形基态因与)分组型学,影像组学的概念,影像组学关键技术,面对系列临床问题,影像组学采用人工智能等方法进行分析研究以实现临床辅助决策影像分割特征提取特征降维模型构建,强度,形状,纹理,小波,病变分期,预后分析,辅助诊断,临床,空间映射,神经网络,递归排除,图割算法,区域生长稀疏选择病变分型,水平集,分水岭,多模态医学成像,诊断不准确雾里看花,肿瘤部分信息管中窥豹,穿刺生化检验,基于日益增长的医疗影像大数据如何研发智能诊断方法逼近病理,术前影像诊断的挑战性问题,医学影像大数据驱动的空间维度研究,个体,组织-器官蛋白RNADNA,医学影像大量,特征,病理基因分析,结果,人工智能构建关联,人工智能定量分析医学影像大数据,辅助疾病精准分型诊断(逼近病理/基因分析),宏观到微观,外部环境各种行为,医学影像大数据驱动的时间维度研究,组织-器官,生物体,医学影像大量特征,治疗与随访结果,人工智能构建关联,治疗到预后,人工智能定量分析医学影像大数据辅助疾病个体化治疗和精准预后预测,影像组学关键技术特征提取,GLCM,GLRLM,GLSZM,NGTDM,将计算机定量特征、经验特征、文本信息、基因信息和病理信息相结合,全面量化肿瘤异质性。
强度,形状,纹理,小波,影像组学提取高维量化特征,医生分析形状:
不规则边缘:
较模糊长径:
36.7mm,实际预后:
好(术后70个月未复发),医生分析形状:
不规则边缘:
较模糊长径:
37.2mm,男/77岁,IB期,男/72岁,IB期,灰度直方图特征,灰度直方图特征,实际预后:
差(术后19个月复发)引自广东省人民医院刘再毅教授Radiology.2016;281:
947-957,源于临床,高于临床,回归临床,面向重大疾病精准诊断、疗效评估和预后预测临床挑战,Ebiomedicine,2018(36);Ebiomedicine,2019(40);Ebiomedicine,2019(46)Ebiomedicine,2019(50);Ebiomedicine,2020(56);Ebiomedicine,2020(58),以人工智能技术为手段,实现对疾病发展演进在分子细胞水平的定量分析,辅助临床诊疗,提出多尺度多模态信息融合的影像大数据智能分析方法,显著提升影像辅助重大疾病诊疗准确性,改善患者预后,总体研究思路,局部晚期宫颈癌治疗前难以预测新辅助治疗疗效,临床问题,应用效果,临床数据,275例新辅助化疗前宫颈癌多中心多序列MR影像,实现局部晚期宫颈癌患者新辅助疗效精准预测,智能方法,多序列、多区域MR影像组学特征进行智能分析,智能方法临床应用新辅助治疗效果评估,与南方医院合作(硕士生孙彩霞发表的一作文章)CaixiaSun,etal,Ebiomedicine,2019.7.SCIIF(2019):
5.736.中科院一区Top,国际同行评价专题评述,该研究表明在多中心验证影像组学模型是可行的,该工作将促进影像组学的临床应用转化。
期刊专题评述:
Multicentricvalidationofradiomicsfindings:
challengesandopportunities,HattM,LuciaF,SchickU,VisvikisD,Ebiomedicine,2019,47:
20-21,被引文章:
7CaixiaSun,etal,Ebiomedicine,2019,46:
160-169.SCIIF:
5.573,DimitrisVisvikis教授法国国家健康与医学研究院Brest医学图像处理实验室主任IEEENPSS主编,孕妇剖腹产前难以预测产后是否会出现出血,临床问题,应用效果,临床数据,298例有胎盘增生的孕妇产前MR影像,实现孕妇剖腹产后是否发生出血的精准预测,智能方法,MR影像组学特征对多中心T2WI序列进行智能分析,智能方法临床应用孕妇产后出血预测,与河南省人民医院合作QingxiaWu,etal,Ebiomedicine,2019.12.SCIIF(2019):
5.736.中科院一区Top,国际同行评价专题评述,使用AI技术的影像组学方法正在胎盘MR技术上广泛应用,欢迎其他类似的经验来验证这种新方法。
期刊专题评述:
TheneweraofadvancedplacentaltissuecharacterizationusingMRItextureanalysis:
Clinicalimplications,RomeoV,MaureaS,Ebiomedicine,2020(51),被引文章:
1QingxiaWu,etal,Ebiomedicine,2019,50:
355-365.SCIIF:
5.736,MaureaSimone教授意大利那不勒斯费德里克二世大学生物医学系教授,肝静脉压梯度梯度的测量具有侵入性,临床问题,应用效果,临床数据,385例经肝静脉压梯度测量的多中心肝硬化患者CT图像,外部队列验证预测模型的精度和可靠性,智能方法,自动提取肿瘤区域海量组学特征评估高压风险,智能方法临床应用肝硬化门脉高压预测,与兰州大学第一医院合作FuquanLi,etal,Ebiomedicine,2018.10.SCIIF(2019):
5.736.中科院一区Top,难以在初始治疗前对鼻咽癌的远处转移风险进行评估,临床问题,应用效果,临床数据,176例患有鼻咽癌的患者的MR影像数据,实现治疗前对鼻咽癌患者远处转移风险的精准预测,智能方法,定量影像组学特征对图像进行智能分析,智能方法临床应用远处转移风险评估,与暨南大学第一附属医院合作LuZhang,etal,Ebiomedicine,2019.1.SCIIF(2019):
5.736.中科院一区Top,术前难以评估脑膜瘤患者的脑侵袭风险,临床问题,应用效果,临床数据,1728例术前脑膜瘤患者的多序列MR影像,实现脑膜瘤患者脑部侵袭风险的精准预测,智能方法,分析定量影像组学特征与脑部侵袭的潜在关联,智能方法临床应用脑部侵袭风险评估,与兰州大学第二医院合作QiYang,etal,Ebiomedicine,2020.8.SCIIF(2019):
5.736.中科院一区Top,报告内容,基于人工特征的影像组学分析,基于深度学习的影像智能诊断,特异性新型卷积神经网络模型,医疗人工智能的前沿热点方向,基于深度学习的影像分析,具有较强的可解释性,但灵活性较低、依赖专业知识,GLCMGLSZM,GLRLMNGTDM,人工定义特征使用人工定义的图像特征描述肿瘤,构建分类器进行预测,深度学习模型通过端到端的神经网络模型,从数据中自动学习特征进行分类预测,从数据中自动学习自适应的特征,模型设计更灵活,55,5,53,30,利用深度学习减少对人的依赖,深度学习降低了人工输入的不确定性,但提高了对输入数据数量的要求超声图像数据量大,数据类型多,超声影像组学:
深度学习,31,研发深度学习方法智能分析两类超声图像,静态图像人工智能分析,B超图像,弹性图像,动态视频人工智能分析,B超视频,造影视频,32,深度学习模型算法创新静态图像分割,+区域预测一致性学习,局部注意金字塔算法深层局部注意金字塔神经网络模型,(PLANet),心尖视野缺失,心肌低对比度,视野内高噪声,多个超声数据集中分割精度与专家手动分割近乎一致MedicalImageAnalysis.2020,accepted.(SCIIF:
11.148),心脏左心室&心肌层自动分割,33,深度学习模型算法创新动态视频追踪(1/2),单样本可变形卷积+无监督高泛化训练,级联孪生网络结构+级联单样本可变形卷积神经网络模型,(COSD-CNN),对超声视频中的肝癌实现高精度的实时自动追踪MedicalImageAnalysis.2020;65:
101793.(SCIIF:
11.148),34,应用效果,智能方法,肝癌患者TACE治疗后的预后差异大,缺乏有效预测手段,临床中山大学一附院,130例肝癌数据患者术前超声造影动态视频,肝癌患者TACE术后4周的预后预测精度:
AUC=0.93,3DCNN,同时进行视频数据中时空特征的自动学习,临床问题,超声影像组学精准预测肝癌TACE治疗预后(1/3),EuropeanRadiology.2020;30(4):
23652376,人工智能将超声动态
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 沈阳 田捷 医学影像 中的 AI 算法