人工智能在醫學影像數字X線攝影質量控制方面的技術優化

胡君花 黃倩 胡安寧

（南京大學醫學院附屬鼓樓醫院醫學影像科，江蘇 210008）

摘要：目的：研究目前醫學影像數字X線攝影（DR）質量控制現存的問題和人工智能（AI）解決問題的方法和預期應用價值。方法：分析如何進一步提高質控效率、提升質控質量、優化完善質控管理工作。結果：AI與DR成像結合，對DR質量控制具有積極的改善作用。結論：AI在影像技術上應用越來越廣泛，DR評價的行業準則也會隨AI與質量控制結合逐步建立起來，質控評價會更科學、更合理。

關鍵詞：人工智能;質量控制：數字X線攝影

中圖分類號：R814.3;TP18文獻標識碼：ADOI：10？郾3969/j.issn.1001-0270.2020.06.04

Abstract： Objective： To study the existing problems of digital X-ray radiography （DR） quality control of medical image， and the methods and expected application value of artificial intelligence （AI） to solve the problems. Methods： Analyze how to further improve the quality control efficiency， improve the quality of quality control， optimize and improve the quality control management. Results： The combination of AI and DR imaging has a positive improvement effect on DR quality control. Conclusion： AI is more and more widely used in image technology， the industry standard of DR evaluation will be gradually established with the combination of AI and quality control， and the quality control evaluation will be more scientific and reasonable.

Key Words： Artificial Intelligence; Quality Control; Digital X-ray Radiography

1 引言

近年來，我國大力發展創新，促進人工智能（Artificial Intelligence， AI）和實體行業深度融合，AI不斷發展，其與醫學影像的結合被認為是最具發展前景的領域[1]。AI在醫學影像中的應用，主要包括計算機輔助診斷、影像組學、影像基因組學等場景[2]。AI與醫學影像質量評價結合，有助于醫學影像學對于影像圖像質量的客觀評價，優化圖像的質量管理。

2 目前存在的問題

胸部數字X線（DR）檢查由于各醫院技師操作水平不一樣，不同廠商、不同型號的影像設備存在參數設置的差異，即使同一臺設備，掃描所呈現的圖像也會有些許差異，導致影像數據標準各異，圖片質量參差不齊。同時由于缺少統一質量評控方案，實現影像圖像質量和格式的同質化過于困難[3]。在DR影像質控方面，影像質量的評價最常用最直接的方法是影像醫師的視覺主觀評價，這種評價方法主觀性強，容易產生偏見，其定性評價結果差異較大，且費時費力，具有一定限制。

3 解決方案

隨著深度學習、圖像采集、數據處理等關鍵技術的飛躍，基于圖像識別技術的影像學和影像組學也隨之進步[4]。AI技術與影像技術相結合，通過將智能系統記憶基于全局特征和深度卷積網絡的結合，進行質量控制評分與錯誤評述[5-6]，以方便影像質控工作人員對圖像質控在數量及質量上有巨大的提高。

在DR質控方面，將PDCA與AI結合起來，即分別從計劃（Plan）、執行（Do）、檢查（Check）、調整（Action）四方面入手。

計劃（Plan）：通過計算機深度學習算法及原理，對DR影像質控工作進行智能化安排和合理性設計并制定相關工作計劃準則。

執行（Do）：主要包括五個環節： ①圖像采集：通過影像掃描方式采集圖像，比如我們所采取的DR;②感興趣圖像分割：感興趣圖像，通常指的就是病灶，比如腫瘤區域;③特征提取：對感興趣區域進行影像特征提取;④量化分析：對上述特征進行統計分析，常用的分析方法有重復測量信度分析、主成分分析、相關性分析和隨機森林等;⑤模型構建：通過深度學習方法建立基于影像組學特征預測和分類模型[7]。

檢查（Check）：質控小組成員對所有計算機學習并給出評分的圖像質控，對比質控小組與AI組得出數據的差異性，分析原因，讓AI評分系統繼續學習，直到所有圖像的數據與質控小組一致，從而完善AI質控評分系統的準確性。DR通過人工智能系統得出評分，杜絕了由于人為主觀判斷造成的質控結果偏差。

調整（Action）：通過計算手段對數據進行自動調整及系統優化[8]。這四個過程周而復始地進行，一個循環解決一些問題，未解決的問題進入下一個循環，通過這樣螺旋式上升解決問題。AI所進行的質控評價在客觀性和質量上都能在很大程度上幫到我們，可以給技術提升帶來長足的進步，更能提高今后的攝片質量，方便臨床診斷，造福病人。

4 預期應用

對已產生的質控結果進行結構化分析和統計，對放射科工作人員攝片操作的規范化以及圖像質量的系統化管理進行優化和改進。綜上，把所有信息進行整合處理，根據考核標準，將每張攝片進行評價及打分，對不合格的圖像進行及時糾正及重攝，有助于優化圖像的質量管理。通過前饋系統優化出片的質量，方便診斷及臨床需要，也能夠通過反饋提高放射科技術人員的攝片水平。

5 結論

盡管技術發展仍存在缺陷及瓶頸，但隨著算法及科技的革新，AI在影像技術上的應用越來越廣泛，DR評價的行業準則也會隨AI與質量控制結合逐步建立起來，屆時質控評價會更科學、更合理，DR技術及行業質量將會有飛躍的進步。

參考文獻：

[ 1 ]許強，張其銳，盧光明.新一代醫學影像人工智能臨床轉化現狀與挑戰[J].中華放射學雜志，2019，53（11）：913-915.

[ 2 ]季冰，劉伶俐.人工智能在醫學影像領域的應用與挑戰[J].中國醫學倫理學，2019，32（8）：981-985.

[ 3 ]李沛鼎.淺析放射科影像質量控制策略[J].中西醫結合心血管病電子雜志，2017，5（26）：29.

[ 4 ]王云.人工智能加碼醫療影像[J].上海信息化，2018（5）：54-57.

[ 5 ]孫利雷，徐勇.基于深度學習的乳腺X射線影像分類方法研究[J].計算機工程與應用，2018，54（21）：13-19.

[ 6 ]付偉鋒，鄒維寶.深度學習在遙感影像分類中的研究進展[J].計算機應用研究，2018，35（12）：3521-3525.

[ 7 ]史張，劉崎.影像組學技術方法的研究及挑戰[J].放射學實踐，2018，33（6）：633-636.

[ 8 ]吳曉芬，王培軍.我國放射影像質量控制管理現狀及發展趨勢探討[J].中國醫療設備，2019，34（1）：156-158.