<mark id="oztn4"></mark>
0
雷鋒網消息，今天，阿里宣布在醫療AI領域取得新進展，繼創下肺結節檢測、肝結節診斷技術的重大突破后，又攻克了難度系數更高的心血管識別技術。
同時，阿里達摩院機器智能實驗室有關冠狀動脈中心線提取的論文已被國際頂級醫學影像會議MICCAI 2019提前接收。
心血管疾病素有頭號健康殺手之稱，根據國家心血管病中心最新發布的中國心血管病報告，中國的冠心病患者多達1100萬人。
冠心病的全稱為冠狀動脈粥樣硬化性心臟病，是因冠狀動脈血管狹窄或阻塞而導致心機缺血、缺氧或壞死現象。
醫學影像分析是冠心病的主要診斷方法，通常的流程是，醫生根據CTA（CT angiography，血管造影）獲得的二維圖像對血管進行三維重建，形成CPR（curved planar reconstruction，曲面重建）視圖，從中可以發現斑塊，判斷血管狹窄程度、血管病變性質以及危險程度，從而確定治療手段。
據雷鋒網了解，從CTA影像中準確提取心臟冠脈中心線是冠心病診斷的必備條件，也是診斷流程中耗時最多的一環。心臟冠脈幾何特性復雜、血管特別細小，血管半徑僅有0.5到3毫米左右，容易受到形態相似的靜脈血管的干擾。并且，血管阻塞時容易導致提取到的血管斷開，導致無法提取完整的冠脈。
現有的心臟冠脈提取方法大多存在耗時長、人工交互多、中遠段冠脈提取效果不好等缺點。心血管疾病診斷的復雜性，使得醫療AI在這一領域應用極少，遠不如在肝、肺等疾病領域的應用。
針對這一臨床痛點，阿里提出了判別式冠脈追蹤模型。這一模型是一個三維卷積神經網絡，利用了三維空間特征，可以從CTA Volume中迭代搜索出完整血管，同時還能正確識別冠脈與靜脈，有效解決了冠脈提取工作的痛點。
較之語意分割類算法需要處理整個CTA Volume，判別式追蹤算法在模型推理的時候只需要關注血管路徑附近的影像信息，從而忽略冗余的信息，使得算法的時間性能更高，提取單根血管平均僅需0.5s。
阿里AI在0.5秒內全自動提取的單根心臟冠脈，醫生可從重建的影像上快速發現病灶。右上為血管上的軟斑塊，右下為鈣化斑塊。
AI提取完整冠脈樹用時不超過20秒，而傳統方法需要20到30分鐘，AI把效率提升了近百倍。更重要的是，投入臨床應用后，機器通過不斷學習，能夠不斷提高識別精讀。
阿里方面表示，阿里AI具備實習醫生的水準，自動識別心血管疾病的準確率達到了99.5%。
貴州省人民醫院副主任醫師王濤表示，這套系統在閱片速度上對我們來說有一個很好的幫助，現在可能只需要兩三分鐘就能出一份報告。多余的時間就可以做更多的檢查，患者可以縮短就診時間。
雷鋒網了解到，在此之前，阿里AI在其他病種上也產出了不錯的成果。
2017年7月，阿里云ET打破了國際權威肺結節檢測大賽 LUNA16 的世界紀錄。2018年12月，阿里宣布，已可準確地測量肝結節，可以幫助醫生進一步判斷肝結節是否為惡性。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
