论人工智能技术在影像组学中的应用

吉浩，曾凡荣

（云南省第一人民医院，云南 昆明 650000）

0 引言

在信息化时代背景下，信息技术融入到医学技术发展则是必然发展趋势。医学影像则是开展直观化的科学诊断的重要依据，其对于医疗技术的发展具有重要意义，并呈现出快速的增长需求。从实际来看，医学影像学的医生需求缺口较大，人才培养方面存在着欠缺之处，往往造成当前的影像诊断压力较大、误诊率较高的情况，这样人们就在积极探索如何有效发挥好计算机辅助诊断的作用，从而能有效缓解影像诊断压力。从实际情况来看，影像诊断则需要大量的先验知识内容、患者个体的实际情况以及病灶具体表现等，在此基础上方可以实现较为复杂的诊断结果。由于个体的差异性较大，这样在进行病灶特征精确辨识方面依然有所欠缺。

借助于先进的人工智能技术的快速发展，其特别是在目标检测、图像分类、图像分割以及检索方面都有着重要的研究突破，借助于强有力的算法优势，能有效进行智能化批量处理图像，这样有助于实现高质量的影像诊断，必将为医院影像技术的发展提供巨大帮助。

1 影像组学工作流程

1.1 标准图像的获取

在开展影像组学的工作中，医疗影像图像采集工作则是重要的基础性内容，涉及到相应的图像中的像素、处理方式、层厚等方面的差异性，造成图像特征存在着较大差异性，相关扫描环节存在差异性，则会造成相应的数据提取存在加大差别，这些都是影像组学发展中存在的问题。因此，重点工作则是实现统一化的影像标准，具体来说，借助于统一化的处理方式以及成像方法，明确实现标准化的影像。其中，CT影像则是最为容易且直接化的影像资料方式，也是常用的影像方法[1]。

1.2 感兴趣区分割

对于影像组学分析的目标区域，也就是所谓的感兴趣区，英文简称ROI。在开展ROI分割的过程中，则应保障图像特征获取的前提，相应的分割精度问题则会对于影像组学的准确度有着重要影响，也是保障有效获取稳定特征的前提。具体来说，主要涉及到人工手动分割、半自动分割和自动分割等方式。其中，人工分割能体现出高精度的要求，但往往耗时耗力而效率低下，个体的主观差异性也存在着影响。后两种则是借助于强大的算法，体现出较好的分割速度，不同算法往往有着各自的特点。

1.3 影像特征提取

开展医学影像特征的定量分析的过程中，能实现可视化特征的提取，还能结合实际需求，来实现不可视特征的提取工作，主要涉及到纹理特征、强度特征以及形态特征等内容。具体来说，不可视特征则能借助定量化的方式来进行存在着病变的异质性的描述工作。在信息技术的推动下，特别是图像处理技术的快速发展，借助大数据量的特征来看，则应从实际出发来有效筛选相应的特征，并能更好地全面处理合适的特征，这样才能符合实际需求，更好地体现出特征的临床价值。

1.4 影像组学预测模型的建立与应用

针对医院影像组的研究工作，则是能构建有效预测临床反应的模型，更好地开展相关的临床诊疗工作。一般来说，影像组学的特征数据涉及到实验数据、验证数据等两类。前者主要则是涉及到病史资料、诊疗过程、治疗效果、不良反应等相关的综合信息数据内容，这里主要是借助于强大的算法优势实现有效的深度挖掘工作，从而构建有效的预测模式。通过验证数据内容，则是验证模型的准确性内容，进而保障满足于高精度模型的有效性，便于进行医疗评估。当前，常用的模型涉及到Logistic 回归模型以及人工智能模型等。不同的模型具有不同的特点，Lambin等人提出了相应的质量评分标准，更加关注到模型的可用性。在具体的预测模型构建时，则应结合自身的数据情况，并能发挥好数据共享的优势，从而提升影像组预测模式的准确度[2]。

3 基于 AI 对医学影像组学发展的影响

3.1 计算机辅助检测

在应用计算机辅助检测的过程中，主要是涉及到医学影像后处理以及相关的病变检测方面的工作。在具体的医学影像后处理环节，则涉及到相应的血管、器官、病变分割、图像可视化等方面的工作，其涉及到相应的三维容积重建、曲面重建等可视化内容，这样能便于有效开展相应的图像定量分析等工作。在此过程中，传统模式下则是往往经过通用后处理工作站来实现，考虑到其具有比较大的数据量特点，则必然则会消耗大量的人力、物力、时间。借助于发挥好人工智能技术的优势，特别是进行医学影像后处理方面，能全面保障医学影像处理效率得到全面提升[3]。

3.2 计算机辅助诊断

将全新的人工智能技术融入到医学影像发展过程中，其中，借助于CADx研究与临床应用的情况，其能有效应用在心脑血管疾病、肿瘤以及骨骼肌肉系统病等方面。比如，应用于肿瘤性病变CADx系统的优势，能有效适用于相应的乳腺癌、肺癌、前列腺癌等方面，并能有针对性地开展相应的风险因素判断、良恶性鉴别以及治疗指导方面的应用。

3.3 计算机辅助病情监测

在病情监测的应用环节，人工智能技术具有广泛的应用空间，其主要涉及到检测病情自然改变以及相应的治疗反应等情况。借助于人工智能的监测技术的优势，可以有效结合病变的发展情况，从实际需求，有效开展多维度的精准化测量工作，这样则能便于有效开展临床决策、质量等方面的优化工作，从多个角度来实现人工智能和医学影像结合的优势所在。当前，国内关注人工智能在医院影像方面的应用范围越来越广，在具体的器官疾病诊断的模型方面都有着一定的发展。

对于人工智能应用来说，其能应用在病理诊断、病灶检测、放疗规划以及术后预测等诸多的临床方面，这样能有效降低工作量。在此过程中，基于 CT影像的肺结节检测模型往往具有较高的应用效果；基于 X 线对肺部筛查、乳腺癌的乳腺钼靶筛查工作具有有效措施。当前，相关的冠心病的智能化诊断模型已经获得较为广泛的应用，并能在实际需求的基础上，逐步开展了颈部及颅内动脉血管脑动脉瘤检测、自动重建心脏等方面有着一定的应用研发，能有效实现定量化测量病变的情况，其已经成为临床医师重要的诊断方式[4]。

4 医学影像 AI 临床转化的挑战和展望

4.1 多角度更为严谨评估人工智能技术

随着人们越来越关注到医学影像各项工作，但依然在实践应用中存在着专业化、标准化设计问题较为欠缺，这就应从实际出发，结合临床角度来重新思考。相应技术则是重点落实好服务目标，在解决任务的基础上，方可以落实具体方法。在这样的背景下，医师及技术团队则应从实际出发，全方位重视密切合作，从临床问题出发，认识到人工智能技术的优劣，这样才能全面服务好各项医疗工作。

4.2 保障更客观地看待人工智能技术

结合医学影像的人工智能技术的发展情况来看，大都只在单个疾病方面的应用，或者仅为其中的特定类型。这方面的研究能有效实现部分阶段性的成果，能有助于开展较为准确的临床医疗诊断工作。但总体上的人工智能技术还处于初步应用阶段，大都是借助于单一化的影像任务来实现解决方案。同时，借助于深度神经网络等方面的人工智能技术的发展来看，则应涉及到海量数据的训练，从这个角度来看，不是每个病种都能满足这样的实际要求，在具体全面化的临床应用还存在着一定距离[5]。

4.3 更广阔的思路应用人工智能技术

结语人工智能的医学影像分析工作，并非应局限于相应的影像分析范畴，借助于深度神经网络的优势，则可以通过不同模态的信息（如文本、语音），这样便可以具有比较高价值的应用。当前，人工智能技术和医学影像能有效保障融合发展，借助于人工智能技术的优势，则应全面提升影像处理的精准度以及有效性。但从多方面来看，还应结合实际应用需求来进而优化，不断提升其技术的适用性。

4.4 医学影像AI的政策支持及伦理考虑

从我国政府全面推动信息化技术的角度考虑，我们非常重视新一代的人工智能发展的相关工作，并重点结合医疗发展的情况，明确了智能治疗模式、智能诊断、智能疾病预测等方面的工作。但是，在具体的应用实践过程中，特别是从医院影像的人工智能所涉及到的研究工作，在相应的隐私保护、者被试的知情权等伦理方面还应该予以更多的关注，还应加强在数据安全，特别是患者诊疗的安全性方面的内容。反之，没有合理化判断人工智能技术的应用，则会造成容易出现医疗事故，造成医患关系的动态变化和平衡带了恶劣的影响[6-7]。

5 结语

综上所述，在信息化时代背景下，深度学习算法为核心的新一代人工智能正在深刻地改变着我们的工作和生活，人工智能技术已经融入到医疗技术中的影像诊断产业链的各个环节。但是，当前的人工智能技术发展还存在着诸多的问题，大都是仅限于少数几种疾病的初级辅助的作用。同时，在具体的使用过程中，往往还存在着高质量数据采集、行业法律空白等方面的问题，这就意味着基于深度学习的人工智能技术与影像诊断的融合发展依然存在着很大的发展空间。只有广大医疗科研人员充分重视信息技术中人工智能技术的快速发展，这样才能更好地全面提升我国的医疗整体服务水平。