人工智能在醫學影像中的研究與應用

姜成宇

（齊齊哈爾市富裕縣人民醫院，黑龍江 齊齊哈爾 161200）

2017年，北美醫學界掀起了一場“人工智能”的風暴，自此以后，人工智能便被廣大的醫療工作者所熟知，并嘗試在醫學領域得到有效的應用[1]。首當其沖就是醫學影像與人工智能技術的有機融合，而對于人工智能在醫學影像中的不斷應用，廣大的醫療工作者的意見發生了分歧，有些醫療工作者認為醫學影像將逐漸被人工智能技術所取代，未來的醫療行業極有可能被人工智能技術主宰。

1 人工智能技術概述

人工智能并非近幾年的高科技先進技術，最早可以追溯到上世紀50、60年代，當時美國就正式提出了人工智能技術，自那以后，這門新興的科技手段便由此誕生[2]。它利用計算機模擬人的思維、行為的學科技術。涵蓋了教育學、心理學、語言學等幾十種學科，涉獵的范圍如此之廣泛。經過了70余年的時代變遷，人工智能技術得到了飛速的發展，借助計算機技術得出的大數據，已經超越了人腦思維。

2 人工智能在醫學影像中的具體應用

2.1 肺部影像

在醫療工作中，肺部影像學主要分為CT和肺部x射線兩項技術[3]。因為肺部位于鎖骨和肋骨之后，在實施肺部影像學檢查時，如果病灶位于肺部，極易因為鎖骨與肋骨的遮擋而出現漏診的現象，據調查顯示，在一些醫療技術并不發達的地區，肺部疾病的漏診率已經達到了30%以上。相比于x射線，CT技術能夠有效的突破鎖骨與肋骨兩個部位的遮擋，消除其他因素的影響，在影像中直接顯示病灶部位，但這并不意味著能為臨床醫療工作者的診斷提供強有力的證據。因為在醫學影像中，斷層的結節部位與血管斷面的密度十分相似，兩項技術各有利弊。所以，在肺部影像的檢查工作中，為了對上述兩項技術加以區分，須嘗試應用人工智能技術。除了肺部結節的影像檢查之外，肺基礎病變影像與人工智能技術的融合也成為廣大醫療工作者共同努力的新方向。

在臨床工作中，肺基礎病變影像分為正常、磨玻璃影、實變影，間質性改變影像可見網格影、蜂窩狀影等[4]。但是在實際的臨床檢查中，有時小的實變影、網格影、蜂窩狀影的影像掩蓋了小結節的影像，從而造成了肺結節影像檢查結果的診斷，從而造成漏診現象。隨著人工智能技術在肺部影像檢查中的廣泛應用，肺部檢查中的肺結節等疾病的診斷率得到了明顯的提升，視為肺部影像學檢查的“半壁江山”。

2.2 心臟影像

在心內科，對心臟疾病患者實施影像學檢查主要針對患者的左心室進行自動分割，從而準確地檢測出左室容積及室壁厚度等心臟指標[5]。而在心臟疾病的影像檢查中，因為種種因素的影響，大多數患者的檢查結果都伴有一定程度的心室腔信號不均勻、心尖影像分辨力低等現象，這也為心室容積的準確測量產生誤導。為了消除心臟影像檢查結果的不利影響，為心臟疾病的診斷提供準確的依據，心內科醫療工作者嘗試利用人工智能實現左心室容積的準確測量。通過智能模型在檢查者的左心室切面進行自動的分割，對左室腔進行準確無誤的定位，通過人工智能技術的解碼輕松勾畫出左心室的形狀。

而心臟超聲技術是心臟內科檢查應用頻率最為頻繁的一種影像檢查手段。在心內科的臨床檢查中，心臟超聲技術可以準確的檢查出心臟疾病。而心臟超聲檢查的人工智能技術應用主要分為超聲心動圖對于切面的自動識別、切面組織的自動定位等技術，前者用來實現對心臟功能與結構的準確觀察[6]。研究證實了心臟影像檢查人工智能技術有助于多個超聲心動圖的清晰觀察。

2.3 乳腺影像

隨著近年來乳腺疾病的發病率逐年遞增，對廣大的婦女人群的健康造成一定的威脅。再加上人們健康意識的增強，越來越多的女性患者自覺到當地醫療機構進行婦科檢查，這也無疑增加了我國婦科臨床工作的壓力，而人工智能技術的出現徹底的緩解了婦科臨床工作的壓力。事實證明，隨著乳腺鉬靶人工智能檢查手段的廣泛應用，越來越多的婦女患者從中受益，在病灶范圍擴大之前及時檢查出疾病所在，并采取了相應的診療手段。因為不同地區人群機體結構的不同，歐美女性的胸部多為大且豐滿，而東方女性的胸部則為小而緊致，東方女性乳腺疾病的診斷率略低于歐美女性。所以，人工智能技術當然也要充分考慮到這一特征，模擬了我國女性乳腺鉬靶模型，從而建立了中國女性專屬的鉬靶數據庫。

2.4 顱腦影像

將人工智能手段應用于顱腦影像檢查的研究以阿爾茨海默癥、認知性障礙及精神障礙的臨床診斷與鑒別工作。而腦腫瘤因為形狀多變、水腫易危及到臨近的組織從而造成腫瘤的變形等情況的產生，所以在臨床上腦腫瘤的切位分割常常令廣大的腦腫瘤臨床工作者無從下手。而人工智能技術的出現，徹底解決了這一難題，通過人工智能模型對腦腫瘤進行定位切割，在對腦腫瘤的多位點數據采樣，準確的排除周圍的臨近組織，具備了明顯的優勢。

而顱腦的造影技術，能夠清晰的顯示出腦腫瘤患者在靜息狀態下的腦部葡萄糖代謝水平，實現了對顱腦部位的動態觀察。而廣大的腦外科臨床工作者大膽提出了將顱腦影像檢查與人工智能技術進行選擇性的結合，各取長處，通過多角度、多尺度的建立腦部神經網絡，用于鑒別阿爾茨海默病與認知性障礙。臨床研究表明，2019年，我國腦外科顱腦造影影像檢查中應用人工智能技術的認知障礙與阿爾茨海默病的鑒別率分別為85.3%與87.8%，較上一年增長近20多個百分點。

2.5 肝臟影像

肝臟影像人工智能技術的研究主要用于肝臟腫塊的分類與診斷，尤其是肝癌的臨床診斷，有助于肝癌患者的早期篩查。臨床工作中，肝臟腫塊被分為五種類型，即A、B、C、D、E五類，A為典型肝癌、B為除了典型肝癌之外的惡性腫瘤、C為不確定的腫塊，其中包含了早期肝癌、增生性結節等病變；D為肝部位腫瘤；E為普通的囊腫。而肝臟造影檢查人工智能技術可以準確的識別和區分上述五種類型的肝部病變，按照不同病變在影像中顯示的不同曲線下面積，進而判斷疾病類型，這五種病變的曲線下面積分別為0.95、0.87、0.73、0.66、0.54，按照不同的病變，其疾病檢測的特異度從高到低分別為E、C、D、A、B，這也充分的說明了肝臟造影人工智能手段檢測肝臟囊腫的特異度最高，檢測典型肝臟腫瘤的特異度最低。

3 結 語

綜上所述，現如今，人工智能技術已經得到了快速的發展，實現了時代的進步，從傳統的造影技術到人工智能技術的廣泛應用，為現代醫療機構的發展注入了新興的原動力。傳統的醫學影像技術在人工智能時代的影響下，也在逐步得到改善，在一定程度上緩解了傳統醫療行業的工作壓力。而目前，由于醫療技術的限制，部分地區的醫療機構仍然無法實現影像技術的人工智能全面推廣與應用，仍然處于發展的初級階段，無法涉及到更深領域的工作。所以，我國醫學影像的人工智能技術仍然存在較大的進步空間，這也為廣大的醫療工作者提供了最新的發展方向。本文首先簡要概括了人工智能技術，最后從肺部、心臟、顱腦、乳腺、肝臟等五個方面詳細介紹了人工智能在醫學影像中的具體應用，通過人工智能技術在各醫療領域的廣泛應用，為疾病的早期篩查和疾病的診斷提供最準確的診斷依據。