中大新聞網(wǎng)訊（通訊員簡文楊、戴希安、高峰）CT作為一種常見的檢查手段，相信不少老百姓均十分熟悉。而基于影像的自動分割技術(shù)能夠輔助醫(yī)生精確了解病灶的位置、大小以及與周圍血管、組織的關(guān)系，幫助疾病診斷、圖像引導手術(shù)以及醫(yī)學數(shù)據(jù)的可視化，為臨床診療和病理學研究提供可靠的依據(jù)。當前，能否實現(xiàn)全自動的、精準的病灶分割是決定醫(yī)學影像在臨床使用效果的關(guān)鍵。

近年來，深度神經(jīng)網(wǎng)絡(luò)的快速發(fā)展使得許多先進的分割方法都取得了可喜的進展。但與肝臟、心臟等器官相比，腸道腫瘤的形態(tài)、位置的變化大，因此，腸道腫瘤的自動分割任務難度高。特別是結(jié)腸癌，因病灶分布范圍大、解剖結(jié)構(gòu)復雜，一直未能實現(xiàn)有效的病灶自動分割，這一現(xiàn)狀嚴重制約了腸癌精準診療人工智能的臨床應用。

近日，中山大學附屬第六醫(yī)院結(jié)直腸肛門外科吳小劍團隊邁出了堅實的一步。他們在國際上率先實現(xiàn)了自主結(jié)腸癌病灶影像精準分割的人工智能臨床解決方案，源于其開發(fā)的結(jié)腸癌病灶自動精準分割的醫(yī)學影像人工智能弱監(jiān)督-半監(jiān)督框架(Segmentation Only Uses Sparse Annotations，SOUSA )。相關(guān)研究結(jié)果在醫(yī)學影像人工智能算法頂刊Medical Image Analysis（IF=13.828）發(fā)表。

本研究由吳小劍教授團隊牽頭，聯(lián)合喀什地區(qū)第一人民醫(yī)院（以下簡稱“喀地一院”）鄒小廣教授團隊、上海人工智能實驗室協(xié)作完成。

論文題為“Segmentation only uses sparse annotations: Unified weakly and semi-supervised learning in medical images”（只使用稀疏標注的病灶分割：醫(yī)學圖像的聯(lián)合弱學習和半監(jiān)督學習），吳小劍教授為最后通訊作者，喀地一院鄒小廣教授、上海交通大學張曉凡教授為共同通訊作者，中山大學附屬第六醫(yī)院高峰副研究員、鐘敏兒博士、孟曉春主任與喀地一院田序偉主任為共同第一作者，喀地一院馬依迪麗·尼加提主任等為共同作者。

基于CT影像的結(jié)腸癌病灶分割

據(jù)介紹，基于醫(yī)學影像的人工智能為腸癌個體化診療提供了巨大的可能性，已經(jīng)有多項研究實現(xiàn)了病人的療效預測、術(shù)后復發(fā)風險評估，但這些應用無不依賴于精準的病灶分割。此次SOUSA技術(shù)的開發(fā)在國際上首次實現(xiàn)了結(jié)腸癌的自動分割，為加速腸癌人工智能精準診療的臨床應用奠定了基礎(chǔ)。自動化標準化的精準影像信息處理將有效地降低經(jīng)濟、時間和人力成本，為精準診療的實施提供了重要的臨床依據(jù)，具備極大的臨床轉(zhuǎn)化應用前景。

本研究中，團隊在SOUSA框架中充分利用了弱監(jiān)督學習和半監(jiān)督學習的優(yōu)勢，提高了人工智能的學習效率，減少了假陽性的預測，顯著提高了病灶分割的準確度。

SOUSA框架

團隊利用來自中山大學附屬第六醫(yī)院和喀地一院的923例有標注結(jié)腸癌CT影像和2670例無標注結(jié)腸癌CT影像作為SOUSA框架的訓練數(shù)據(jù)集，并利用417例結(jié)腸癌CT影像對SOUSA框架進行驗證，結(jié)果顯示其自動分割效果優(yōu)于現(xiàn)有的弱監(jiān)督和半監(jiān)督學習模型。與目前最先進的方法ICT (Verma et al.，2019)、不確定性感知(Yu et al.，2019)和自我訓練相比，SOUSA框架在每個數(shù)據(jù)比率上都達到了最佳性能。此外，當數(shù)據(jù)集的大小有限時，SOUSA框架的性能甚至與使用密集注釋的模型的性能相當。

對腸癌數(shù)據(jù)集使用不同方法的自動分割結(jié)果

受中山大學選派，自2021年6月27日起，現(xiàn)任廣東省援疆醫(yī)療隊隊長、喀地一院院長、中山大學附屬第六醫(yī)院副院長吳小劍投身為期一年半的援疆工作。援疆期間，吳小劍立足當?shù)貙W科建設(shè)，發(fā)揮該院團隊特長，以SOUSA框架這一粵喀合作成果切實助力喀地一院發(fā)展。

論文鏈接：https://doi.org/10.1016/j.media.2022.102515