计算机辅助诊断

在于中国最大医院之一的合作中，我们针对肺癌开发了一套基于医学影像的电脑辅助诊断系统。肺癌是在世界各地的癌症相关死亡的主要原因之一. 在美国每年有近180,000肺癌新病例被确诊. 肺癌的死亡率高达约90%, 贡献了总癌症引起的死亡率的约29%.

成功的早期发现可以大大提高患者的生存率. 如果确断和早期治疗,肺癌患者五年生存率能大大改善从约 13%到 41%.然而 对所有肺结节\肿瘤做一个验证性诊断仍然是一个悬而未决的问题,特别是对目前的趋势,以使用低剂量CT扫描筛查肺癌而言. 此外,通过现有的成像工具会产生巨大的图像数据而使得进行手动筛选不可能达成.

计算机辅助诊断(CAD). CAD是一个跨学科的研究领域涵盖放射学,图像处理与分析,人工智能和机器学习,非线性分析和非线性特征提取和选择. 在这个项目中,我们的目的是:

1. 开发一个医疗图像浏览、 操作和增强的系统;
2. 发展一个高效率的自动结节筛选系统,以帮助早期发现肺癌的综合图像分析和机器学习技术.
3. 建立一个有效的系统,以图像处理,非线性分析和机器学习技术来诊断结节等异常.

我们的系统是由具有以下功能的四个主要模块来组成:图像数据采集和处理,解剖分割,自动肺结节检测,肺结节的诊断. 每个模块有若干子模块组成. 我们专有的TRUST-TECH 方法已被应用于解决以下相关的优化问题,这些问题包括: 实现这个系统,涵盖了最优目标检测,图像分割和分类器的优化设计任务的诊断.

诊断性能以两个方面进行评估: 一种方法是通过图像切片,其他由病人评价. 病患的评价是由一个委员会机器技术所得到的切片结果为基础来获得的.

评价方法	总数	正确	错误
按切片	442 slices	355 (80.3%)	87 (19.7%)
按患者	74 patients	52 (70.3%)	22 (29.7%)