日前，放射学领域的国际期刊 Radiology《放射学》发表了华为云 EI 创新孵化 Lab、华中科技大学电信学院、华中科技大学同济医学院附属协和医院放射科联合团队的最新研究成果 ——AI 算法检测动脉瘤，其检测灵敏度达 97.5%，该算法可以帮助医生在临床诊断精确度方面，提升约 10 个百分点，同时漏诊率降低 5 个百分点，有效地缩短了医生诊断时间。

Radiology 杂志作为放射学领域的顶级期刊之一，一直是该领域的绝对权威。它拥有 12.5 的 CiteScore 值（“连续三年论文在第四年度的篇均引用次数”）和 7.9 的影响因子，是该领域内被引用次数最多的期刊之一。因此能够在 Radiology 上发表一篇论文是众多 “放射学人” 所梦寐以求的事情。

新环境下的脑动脉瘤辅诊

近年来，人工智能 + 医学影像的组合成为了最热门的话题之一，它将最先进的人工智能技术应用于医学影像诊断，帮助医生诊断患者病情的人工智能。具体应用场景包括但不限于各类病灶识别与标注，如宫颈癌、肺部结节、心脑血管疾病辅诊等。

当下脑动脉瘤的诊断依旧存在较大的不确定性。脑动脉瘤是脑动脉内腔的局限性异常扩大造成的一种瘤状突出，有时会存在渗漏或破裂风险，该病位居脑血管疾病病因的 Top3，因其致命性和未知性，被称为 “沉默又致命的杀手”。

据悉，脑动脉瘤可造成大约 80%-90% 的非创伤性蛛网膜下腔出血，而这一严重的脑部疾病死亡率为 23%-51%，另外还有 10%-20% 的永久残疾风险，对其进行早期诊断与治疗非常必要。动脉瘤位置多发，形态多样，对医生资历要求较高。中国人口基数大，高资历医生匮乏，相关医生工作强度极大。

动脉瘤破裂的风险取决于动脉瘤的大小、形状和位置，因此脑动脉瘤的检测和特征提取是指导治疗的关键。

目前，CT 血管造影成像（CTA）是评估颅内动脉瘤的主要影像学检查手段，与磁共振血管造影（MRA）相比， CTA 是一种快速且经济有效的诊断技术，通常具有更广的可用性和较高的空间分辨率。与数字减影血管造影（DSA）相比，CTA 通常更广泛且具备无创性。但是由于脑动脉瘤体积小和颅内血管的复杂性，即使专业的放射学专家进行诊断也需要耗费很长的时间，一些小动脉瘤还可能被遗漏。

那么脑动脉瘤诊断作为当前较为复杂的疾病之一，是如何将人工智能应用其中的呢？

人工智能 + 医学影像，解决脑动脉瘤辅诊难题

近日发表在 Radiology 上的这项最新技术，运用了华为云一站式 AI 开发平台 ModelArts，ModelArts 平台作为华为云的自研平台，提供了数据预处理及半自动化标注、大规模分布式训练、自动化模型生成等的一系列便捷功能。

该脑动脉瘤检测算法包括一个编码器和解码器，并在编码器解码器中间使用了密集的空洞卷积 (DAC) 和残差多核池化 (RMP) 模块。输入的 CTA 图像按照 0.39×0.39×0.39 mm^3 的分辨率被重新采样，算法输出会提供动脉瘤存在概率、动脉瘤位置以及直径大小等信息，并在 CTA 原始图像上为可疑的动脉瘤勾画出一个边界框。效果如下图所示。

图 | 效果图

图 | 数据获取、筛选和分割流程图

文中，作者表明该研究使用了 534 名患者的 CTA 数据来训练深度学习检测算法，然后在另外 534 例数据上进行验证。结果显示，该研究算法检测出来 633 个动脉瘤（验证集共含有 649 个动脉瘤），灵敏度达到 97.5%；同时算法还检测出了 8 个新的动脉瘤，而这些动脉瘤在医生最初的诊断中被忽略了。这 8 个动脉瘤有 6 个直径小于 3mm，2 个在 3-5mm 之间，说明该研究算法对于微小动脉瘤也具备非常好的性能。

图 | 算法在验证集上的 FROC 曲线

对于基层医院来说，相比于三甲医院，其在复杂影像的处理能力、判断能力方面更加缺乏专业性的人才和技术。而这项技术的产生正是填补了相应的空缺，具有非常广阔的应用场景。

来源：麻省理工科技评论