logo 首頁 > 文匯報 > 新聞透視眼 > 正文

人工智能看圖速辨早期癌症

2017-09-07
■王平安(左)與研究團隊成功應用人工智能影像識別技術,提升肺癌及乳腺癌的影像診斷準確度。圖右為竇琪。香港文匯報記者黎忞  攝■王平安(左)與研究團隊成功應用人工智能影像識別技術,提升肺癌及乳腺癌的影像診斷準確度。圖右為竇琪。香港文匯報記者黎忞 攝

針對肺癌及乳腺癌 最快30秒完成識別

香港文匯報訊(記者 黎忞)肺癌及乳腺癌為本港常見的高危頑疾,為提升臨床診斷效率,中文大學工程學院研究團隊運用人工智能影像識別技術,通過深度學習系統判讀電腦斷層掃描及病理組織切片等醫學影像,以研究該兩類癌症。結果顯示,利用該技術判讀的癌症醫學影像,準確率分別高達91%及99%,識別過程亦加快至30秒至5分鐘,更降低了誤診率。團隊將與本地公營醫院合作,期望技術最快可在未來一兩年後廣泛應用。

肺癌是本港頭號致命癌症,每年有數千宗新增病例。肺癌早期多以肺小結節(small pulmonary nodule)的形式出現,病人的肺部影像會出現細小團狀陰影。現時醫生主要透過胸腔電腦斷層掃描(CT)圖像檢查,了解病人肺部是否有肺小結節。

肉眼要看五分鐘

不過,每次檢查可產生多達數百張CT圖像,一般情況下,若逐張以肉眼觀察,每幅花3秒,耗時至少5分鐘,會耗費大量時間和精力,準確度或會因醫生的經驗及精神狀態而存在差異。

中大計算機科學與工程學系教授王平安及其團隊,於5年前展開相關實驗。他們採用人工智能深度學習技術(Deep Learning)判讀CT掃描圖像,只需30秒就能自動識別出可能出現肺小結節的位置,準確度亦高達91%。

王平安解釋,深度學習是指電腦模仿人的大腦,根據所收集的數據,再按醫生的指示及示範,從而進行數據分析;而多次重複的學習及修改,可提升系統準確度。

料一兩年內廣泛應用

他相信該技術將於未來一兩年內被廣泛應用,「深度學習透過先進的方法,提升技術的敏感度,剔除疑似及雜訊的誤報(即假陽性),解決了用肉眼檢測影像所遇到的最大挑戰。」

王平安又透露,團隊將聯同北京3所醫院合作開發相關產品,以優化技術,及早識別肺結節病變,同時會與本港醫院合作,以盡快在本地醫療系統應用。

除了肺癌之外,有關技術亦可應用在乳腺癌診斷。醫生一般要通過乳房X光造影或MR掃描檢測硬塊位置,而在檢測淋巴結轉移時,就須切取一小塊活組織為樣本,在顯微鏡下檢查淋巴結有否轉移,以及判斷腫瘤是良性或惡性。

一幅數碼活組織全切片圖像的解像度很高,檔案大小可達1GB,於是研究團隊開發了一種嶄新的深層疊卷積神經網絡,分階段處理乳腺癌的切片圖像。

首先使用改良版的全卷積網絡(Fully Convolutional Network),即一種對圖像進行較粗略但保持高靈敏度的快速預測模型,重構出更加精密而準確的預測結果,最後定位並挑選出含有淋巴結轉移的圖像。

整個過程只需約5分鐘至10分鐘,而現時單靠肉眼檢查則需花費15分鐘至30分鐘。自動化檢測的準確度達到約99%。

研究團隊成員之一的博士研究生竇琪指,團隊早前參加過不少國際學術比賽,比賽亦會提供病人數據以測試系統的準確度,結果顯示中大團隊的表現優秀,在檢測肺癌及乳腺癌的準確率達九成或以上。

讀文匯報PDF版面

新聞排行
圖集
視頻