深睿智慧（第二期) | 乳腺X射线影像的多中心研究成果为女神节献礼
深睿医疗的产品研发一直秉持在人工智能深度学习模型训练中充分结合临床先验知识，在先验知识的引导下推动产品研发与临床诊断路径的融合。近日，深睿医疗联合东部战区总医院卢光明教授团队，以及东南大学附属中大医院刘万花主任、甘肃省肿瘤医院王小琦主任等合作发表的关于乳腺X射线影像的多中心研究成果为女神节献礼，该成果被医学影像分析核心期刊《Medical Image Analysis》（影响因子11.1）收录，相比于国际先进的单视图方法，本研究在两个数据集上检出性能均提升超过5个百分点，大幅度提升诊断效率，为呵护女性健康，贡献AI的力量。
在今年世界癌症日前夕，据世界卫生组织国际癌症研究机构（IARC）发布的最新数据显示，2020年全球新增癌症病人约1930万人，其中女性乳腺癌占11.7%，在数量上已经首次超越了肺癌（11.4%），成为全球新诊断人数最多的癌症，超出第二位的肺癌6万例，占全球女性新发癌症总数的24.5％。
从数据看，乳腺癌已成为全球女性发病率最高的癌症，提前筛查和注意日常习惯是预防乳腺癌的重中之重。若能通过科学筛查，尽早发现病情，提高早期乳腺癌及癌前病变的检出率，早期乳腺癌患者的5年生存率可以达到95%。
亚洲女性致密性乳腺的特点，使得乳腺X线影像的前期检查中，存在不少难点，肿块和结构扭曲等易受到腺体影响、钙化形态多变以及钙化分布多样等等。深睿医疗在Dr.Wise®乳腺X线 AI医学辅助诊断系统研发过程中，研发团队发现临床医生往往借助不同投照位的图像进行推理分析，可以提升肿块识别的准确性。如果能够通过影像AI对不同投照位的区域匹配进行建模，并进行特征强化，就可以更好的区分肿块和假阳性。
同时，医生在分析影像时，往往会参考正常纤维腺体的先验规律。深睿医疗运用这些临床先验知识，在提升识别乳腺肿块和微小钙化的准确率上产出了很多优质科研成果。这次开展的多中心研究成果相比于国际先进的单视图方法，本研究在两个数据集上检出性能均提升超过5个百分点。
国内鲜有的基于乳腺X线检查影像的多中心研究，本次收录题目为“Compare and Contrast: Detecting Mammographic Soft-tissue Lesions with C2-Net”的科研成果，收集了东部战区总医院、东南大学附属中大医院、甘肃省肿瘤医院等多家医疗机构，12,561例乳腺X线检查影像的多中心数据集，采集自西门子、GE、Hologic、Gitto等多种市场常见的乳腺X线设备。还在公开数据集DDSM上进行了实验，该公开数据集包含2620例检查，目前，该研究对乳腺X线影像的AI病灶检出性能有良好的提升作用，有助于未来乳腺疾病的防控。
↑图示
图1 乳腺X线影像示意图。图(a)-(c)代表当前被检查的视图（以右侧乳腺的CC位视图为例），其对侧视图（左侧乳腺的CC位视图），其同侧不同投照位视图（右侧乳腺的MLO位视图）。图(d)将红色框内的病灶进行局部放大以便观察。图(e)是乳腺X线影像的投照方式(CC位和MLO位)示意图。
在临床中，乳腺X线检查包含双侧乳房的轴位（CC位）和斜位（MLO位）的四张影像，它们之间蕴含着高度相关并且互补的信息，通过综合分析四个角度的影像能够使得临床诊断更加可靠。现有的基于深度学习的方法大多数都只能通过单张影像检测病变，但单一视图可能会由于信息不足而忽略某些病变，因此AI的检出性能受到影响。深睿研究院提出了名为C2-Net的用于乳腺病灶检出的多视图网络，该网络可将不同视图之间的信息融合在一起。在公开数据集DDSM和多中心数据集上的实验结果表明，本研究所提出的方法达到目前最优的性能。
↑图示
深睿医疗的多项研究成果都已投入临床应用，目前承担了数十个科技部、国自然及全国各大城市重大专项科研项目，与国家相关部门、各大科研团队及国内顶级医疗机构深睿合作，全力促进科研成果快速向临床应用转化。已获正在审理的专利及软著近200项，在国际顶级期刊及会议上发表科研成果，累计影响因子达200。深睿医疗将继续在医疗信息化及智能化的建设的过程中不断探索，不断开拓AI应用场景，为医疗行业做出更大的贡献，以AI之力守护女性健康，祝所有的女同胞女神节节日快乐！
科技赋能健康中国深睿医疗获2020AIIA杯人工智能医疗大赛冠军
深睿医疗宣布完成C+轮数亿元融资，
稳步踏入医疗AI发展新纪元