深睿医疗两篇关于胸部X射线图像的科研成果被国际著名医学成像期刊TMI收录
近日，深睿医疗两篇关于胸部X射线影像的科研成果接连被国际著名医学成像期刊《IEEE Transactions on Medical Imaging》（TMI）收录，论文主要研究方向均为胸部X射线图像上多征象病灶的自动检出。深睿医疗高度重视临床实践，运用先验医学知识融入到人工智能多征象检测中，推动产品研发路径与临床诊断路径的融合，促进研究成果快速地为临床服务，实现科学研究的真正价值。
《IEEE Transactions on Medical Imaging》杂志是目前医学物理、医学成像和医学图像算法等领域的重量级期刊之一，2019年影响因子为6.69，JCR1区期刊。在计算机跨学科应用、生物医学工程、成像科学与照相技术等多个领域位列全球前十。
论文题目
“A Structure-Aware Relation Network for Thoracic Diseases Detection and Segmentation”
本研究将先验医学知识融入到多征象检测中，提出了一种基于关系模块的病灶检测网络SAR-Net。研究中公开了一个多征象胸部X射线图像数据集，包含13类征象的3575例正位胸片数据。相较于传统通用检测网络，SAR-Net在实验数据集上的检出性能可提升3个百分点。
此图为关系模块示意图。SAR-Net共包含三种关系模块，图（a）代表空间关系模块，图（b）代表上下文关系模块，图（c）代表疾病共生关系模块。
SAR-Net模型包含以下三个关系模块：空间关系模块，上下文关系模块及疾病共生关系模块。在公开数据集和另一个私有数据集上的实验结果表明，相较于传统检测网络，本研究所提出的方法可达到更好的性能。
在Baseline基础上，添加不同关系模块时的检测结果表明：空间关系模块（SRM）可有效提高定位性能，疾病共生关系模块（DRM）可有效提高分类性能，上下文关系模块（CRM）对定位和分类均有一定的提升作用。在增加关系模块后，可有效改善假阳和漏检的情况，验证了先验医学知识对胸部X射线的多征象检测具有启发性。
论文题目
“Contralaterally Enhanced Networks for Thoracic Disease Detection”
本文利用胸腔内部对侧结构信息相似性，提出使用对侧相似信息增强潜在疾病区域的信息特征。所提出的对侧增强网络可以集成到几乎所有的疾病检测框架中包括全监督和弱监督疾病检测任务。本文的方法不仅在具有31,000张胸部X射线图像的私有数据集中AP50（IoU阈值大于0.5）性能达到了最高的33.17，并且在公开NIH胸部X射线数据中达到了最先进的弱监督疾病检测准确度。
（a）
（b）
图1 (a)对侧区域块寻找策略，使用脊柱初步定位对侧区域，并使用STN进行修正;(b)双侧区域融合模块将对侧信息，以自动选择的方式融合到疾病特征中。
由于正常和异常区域之间的视觉对比度低，以及由其他重叠组织引起的扭曲情况出现，在胸部 X 射线中精准识别和定位疾病对技术来说非常具有挑战性。胸部的左右部分存在许多相似的结构，如肋骨、肺叶和支气管。根据放射科医生的先验医学知识，这种相似性可用于识别胸部 X 光片中的疾病。因此，深睿研究院将先验医学知识融入到多征象检测中，提出了名为Contralaterally Enhanced Networks（CEN）的检测增强模块，所提出的CEN网络模块，可以端到端的形式任意嵌套在多个检测模型框架之中。CEN网络模块集成到具有Feature Pyramid Network（FPN）的网络框架之中。FPN和CEN的组成，不仅仅解决了疾病区域尺度多变的难题，同时还进一步缓解了疾病区域较低的信息对比度问题。
深睿医疗胸部平片AI医学辅助诊断系统
这些创新的科研成果已全部应用于深睿医疗的胸部平片AI医学辅助诊断系统。该产品设计遵循了影像科医生阅片的习惯和报告书写的顺序, 同时对胸部平片进行质量控制评估，能够自动检出胸部常见异常病变影像征象，并对肺结核及某些危急征象进行预警提示。标准化报告模板，可自动对异常征象进行描述，使影像科医生书写报告更加标准和规范。
随着AI算法和临床大数据的进一步演进、应用和推广，基于胸部的X射线影像的诊断效能也将进一步提高，并且能够对多模块分级、分类，以及诊疗策略的辅助决策提供更有价值的信息。深睿医疗持续将前沿AI技术应用于医疗领域，全力促进科研向临床的转化，做出更具创新性、更贴合医生应用场景的产品，为医患提供更好、更快、更精准高效的服务，为推动医疗影像领域的发展做出贡献。
被收录文章
1
Jie Lian , Jingyu Liu , Shu Zhang , Kai Gao , Xiaoqing Liu , Dingwen Zhang , Yizhou Yu. A Structure-Aware Relation Network for Thoracic Diseases Detection and Segmentation. IEEE Trans Med Imaging. 2021 Apr 5.
2
Gangming Zhao，Chaowei Fang，Guanbin Li，Licheng Jiao, Yizhou Yu. Contralaterally Enhanced Networks for Thoracic Disease Detection. IEEE Trans Med Imaging. 2021 May 5.