肺部数字医学影像诊断取得新突破——西安工大“火眼金睛”团队创新图像识别技术赋能胸部HRCT精准诊断

近日，由西安工业大学赵妙梅、赵何超团队主导的多学科交叉多专业融合的“火眼金睛”项目在数字医学影像诊断领域取得重大进展，该技术通过开发“CNN&Transformer”交错融合算法，成功赋能肺部数字医学影像精准诊断，为该行业提供创新解决方案。

调研发现，肺部数字医学影像诊断存在诸多痛点，如：现有CT诊断系统多只能确定病灶位置，不能直接诊断病种，更不能预测病情;现阶段虽出现AI医生，但病人多表达“把胸片直接交给AI不放心”，希望以传统方式由医生亲自阅片。然而近年来肺部疾病(肺结节、肺部感染等)持续高发，其症状和影像学表现多不典型，早期就诊率低，易漏诊。

突破技术壁垒，打破资源瓶颈，创新解决方案

该团队科研攻关“空洞卷积神经网络(CNN)”技术和“动态双路径多尺度特征融合(D-DMFF)”技术，研发了可有效提取肺部HRCT图像中的局部与全局特征的轻量化模型。该模型通过97740张CT图像训练和5012张CT图像的验证后，没有明显的过拟合或欠拟合现象，模型训练良好，病灶分辨率从原有的1mm提升至0.625mm，分辨力提升了37.5%，准确率高达96.342%。具备低复杂度和高有效性，能够更准确的识别肺部病变CT图像。

该项目在试验阶段，从医生肉眼漏诊病人的上万张HRCT图像中，额外识别出100余人，有效降低了漏诊率。

该项目目前已登记软件著作权9项、授权发明专利2项、外观设计专利1项，SCI收录论文2篇(中科院1篇)、EI收录论文4篇。

该项目吸引了来自乌兹别克斯坦、塔吉克斯坦和加纳国的留学生参与。近期正于国内某大型数据云服务企业洽谈合作，未来有望实现云端医学影像诊断处理，为一带一路沿线国家提供肺部医学影像诊断中国方案。

郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如有侵权行为，请第一时间联系我们修改或删除，多谢。