由醫(yī)學(xué)圖像判斷疾病的發(fā)展情況，是一項(xiàng)難度很高且責(zé)任巨大的工作。能否利用飛速發(fā)展的人工智能（AI）技術(shù)，幫醫(yī)生更快速、更精準(zhǔn)地解讀圖像信息，讓每一位患者受益？這正是上海交通大學(xué)生物醫(yī)學(xué)工程學(xué)院的科研團(tuán)隊(duì)多年來探索的方向。

在醫(yī)院里，CT、磁共振等設(shè)備產(chǎn)生的醫(yī)學(xué)圖像對(duì)疾病診斷至關(guān)重要，但這些圖像里的關(guān)鍵信息經(jīng)常藏得很深，解讀它們是一項(xiàng)巨大挑戰(zhàn)。為了讓圖像更加清晰地顯示患者的健康狀況，上海交通大學(xué)生物醫(yī)學(xué)工程學(xué)院張立箎團(tuán)隊(duì)教AI“看懂”醫(yī)學(xué)圖像，輔助醫(yī)生工作。

讓AI“看懂”復(fù)雜的顱腦創(chuàng)傷

在眾多醫(yī)學(xué)圖像中，腦影像是最復(fù)雜、最精密的領(lǐng)域之一。針對(duì)顱腦創(chuàng)傷磁共振影像分析中存在的分割標(biāo)記數(shù)據(jù)量少、病灶區(qū)域多變以及形變干擾等難題，團(tuán)隊(duì)創(chuàng)新性地提出了基于對(duì)抗訓(xùn)練與不確定性校正的單樣本分割算法，在AI的學(xué)習(xí)過程中引入了一種“對(duì)抗訓(xùn)練”機(jī)制，讓AI在“博弈”中自我提升，從而生成更多樣、更逼真的模擬數(shù)據(jù)，增強(qiáng)了模型的穩(wěn)健性；還讓AI學(xué)會(huì)識(shí)別圖像中的“不確定性”，自動(dòng)校正血腫等病變帶來的干擾，使得對(duì)腦區(qū)的標(biāo)注更加精準(zhǔn)。這項(xiàng)技術(shù)在上海華山醫(yī)院得到了驗(yàn)證，表現(xiàn)優(yōu)于同類方法。

此外，為應(yīng)對(duì)臨床中常遇到的圖像質(zhì)量不一、模態(tài)缺失等問題，團(tuán)隊(duì)還開發(fā)了名為Uni-COAL的統(tǒng)一框架。它既能實(shí)現(xiàn)不同模態(tài)圖像之間的高質(zhì)量相互合成，又能將低分辨率的圖像重建成高清圖像。這意味著，即使在數(shù)據(jù)不完美的醫(yī)療場(chǎng)景中，系統(tǒng)也能為醫(yī)生提供更全面、更清晰的決策依據(jù)。

在骨關(guān)節(jié)與病理篩查中實(shí)現(xiàn)突破

AI影像分析技術(shù)不僅可用于腦部，在骨關(guān)節(jié)健康領(lǐng)域也取得了突破。例如在膝關(guān)節(jié)損傷診斷中，標(biāo)注數(shù)據(jù)稀缺是一大挑戰(zhàn)。團(tuán)隊(duì)提出了基于半監(jiān)督學(xué)習(xí)的模型構(gòu)建框架，實(shí)現(xiàn)了用僅10%的標(biāo)注數(shù)據(jù)達(dá)到高效模型訓(xùn)練的效果，大幅降低了對(duì)大量標(biāo)注數(shù)據(jù)的依賴，并能精準(zhǔn)定位病灶區(qū)域。在膝關(guān)節(jié)組織分割方面，團(tuán)隊(duì)開發(fā)的CAS-Net新框架，能夠由常規(guī)的多視圖二維磁共振圖像精準(zhǔn)生成三維膝關(guān)節(jié)模型，讓醫(yī)生能夠立體、直觀地審視病情。

此外，團(tuán)隊(duì)還將AI技術(shù)應(yīng)用于病理篩查。例如，針對(duì)宮頸異常細(xì)胞檢測(cè)，團(tuán)隊(duì)提出了一種優(yōu)化方法，使AI在學(xué)習(xí)時(shí)更注重局部細(xì)節(jié)的一致性，從而提升了篩查準(zhǔn)確性，為宮頸癌等疾病的早發(fā)現(xiàn)、早治療提供了技術(shù)保障。

醫(yī)學(xué)圖像里藏著生命的密碼，而上海交通大學(xué)生物醫(yī)學(xué)工程學(xué)院團(tuán)隊(duì)用AI科技解密，讓醫(yī)學(xué)圖像不再晦澀難懂，為人們的健康構(gòu)筑起一道更前沿的技術(shù)防線。

（責(zé)編：李茜）