機(jī)器學(xué)習(xí)在放射學(xué)中的應(yīng)用和未來影響(編輯修改稿)
2024-07-25 01:18 本頁面
【文章內(nèi)容簡介】 但矛盾的是，計(jì)算機(jī)輔助診斷可能會(huì)被一些乳腺癌患者忽視，限制其臨床應(yīng)效益。乳腺癌篩查是最有望將機(jī)器學(xué)習(xí)納入放射學(xué)實(shí)踐的第一個(gè)領(lǐng)域。多項(xiàng)研究結(jié)果已經(jīng)表明其診斷價(jià)值，機(jī)器學(xué)習(xí)技術(shù)在不同乳房成像中得到應(yīng)用，包括：乳腺X線攝影、美國、MRI、斷層合成。2人們對(duì)于機(jī)器學(xué)習(xí)在肺結(jié)節(jié)的檢測、分類和管理中的作用越來越感興趣。例如，肺結(jié)節(jié)分類的深度學(xué)習(xí)系統(tǒng)是在經(jīng)驗(yàn)豐富的人類觀察者之間的差異中進(jìn)行的。機(jī)器學(xué)習(xí)算法也有助于減少檢測肺結(jié)節(jié)的假陽性結(jié)果（20）。最近的Kakle數(shù)據(jù)科學(xué)碗看到將近10000名參加者爭奪100萬美元的獎(jiǎng)金；競爭者通過識(shí)別可能在1年內(nèi)被診斷為肺癌的候選者來獲得高水平的表現(xiàn)()。 一項(xiàng)后續(xù)挑戰(zhàn)已經(jīng)被提出，目的是將這些模型引入經(jīng)驗(yàn)豐富的人類觀察者的臨床觀察差異()。2骨齡分析和基于醫(yī)學(xué)成像的解剖年齡的自動(dòng)確定對(duì)于兒科放射學(xué)和內(nèi)分泌學(xué)具有相當(dāng)大的實(shí)用價(jià)值。Synho博士和他的同事們創(chuàng)建了一種算法，根據(jù)輸入的兒科患者的手部照片準(zhǔn)確地描述骨齡。2機(jī)器學(xué)習(xí)的其他潛在應(yīng)用場景包括：線檢測（43）、MRI中的前列腺癌檢測（44～46）、冠狀動(dòng)脈鈣化分?jǐn)?shù)的測定（47）、或腦損傷的檢測和分割。檢查結(jié)果的自動(dòng)解釋2對(duì)醫(yī)學(xué)成像（正?；虍惓＃z測結(jié)果的解釋需要高水平的專家知識(shí)，經(jīng)驗(yàn)以及基于每一種臨床情況下的臨床判斷。一個(gè)簡單的例子是腹腔內(nèi)游離空氣，對(duì)于術(shù)后患者這可能是一個(gè)正常的發(fā)現(xiàn)，但對(duì)于一個(gè)最近沒有手術(shù)的病人則是關(guān)鍵的發(fā)現(xiàn)。對(duì)于機(jī)器來說，作為獨(dú)立的圖像解釋器，需要廣泛獲取數(shù)據(jù)導(dǎo)出的知識(shí)?；诮忉尩南到y(tǒng)已經(jīng)得到開發(fā)，用于發(fā)現(xiàn)危及生命的異常的圖像（如顱內(nèi)出血），雖然該系統(tǒng)是用于優(yōu)先研究一個(gè)工作清單，而不是通過最后的閱讀進(jìn)行研究。2一些研究結(jié)果表明，機(jī)器學(xué)習(xí)可以改善對(duì)檢查結(jié)果的解釋，從而輔助放射科醫(yī)生工作。基于機(jī)器學(xué)習(xí)的乳腺M(fèi)R圖像特征提取可以改善對(duì)檢查結(jié)果的解釋，進(jìn)而改善對(duì)乳腺癌的診斷?；诜谓Y(jié)節(jié)的影像學(xué)特征（如輪廓、紋理、邊緣等語義特征）的機(jī)器學(xué)習(xí)方法，可以提高肺癌結(jié)節(jié)的預(yù)測和診斷的準(zhǔn)確性。自動(dòng)臨床決策支持和檢查協(xié)議2機(jī)器學(xué)習(xí)技術(shù)可以進(jìn)一步增強(qiáng)放射學(xué)決策支持工具。研究表明，即使在復(fù)雜和不確定的環(huán)境中，人工智能仿真框架也能做出近似最優(yōu)的人類決策。智能臨床決策支持系統(tǒng)可以提高護(hù)理質(zhì)量和成像效率，并減少檢查草案中的不良事件或錯(cuò)誤的可能性。后處理：圖像分割、登記和量化2隨著更多的成像數(shù)據(jù)變得可用，在機(jī)器學(xué)習(xí)幫助下，醫(yī)學(xué)成像已經(jīng)在圖像的后處理方面取得了相當(dāng)大的進(jìn)展，如圖像配準(zhǔn)、分割和量化。智能醫(yī)學(xué)成像范式是數(shù)據(jù)驅(qū)動(dòng)的，并傾向于從醫(yī)學(xué)圖像中學(xué)習(xí)有用的臨床信息。從醫(yī)學(xué)圖像提取相關(guān)臨床數(shù)據(jù)需要精確的圖像配準(zhǔn)和分割。一些研究已經(jīng)將機(jī)器學(xué)習(xí)的方法應(yīng)用于圖像分割，例如在乳房X光攝影（56）、身體器官（35）、或關(guān)節(jié)和肌肉骨骼組織的MR圖像中對(duì)乳房密度進(jìn)行分割。2機(jī)器學(xué)習(xí)也可以用于模態(tài)間的圖像合成，例如，可以使用從相應(yīng)的MR圖像中生成的對(duì)抗網(wǎng)絡(luò)來估計(jì)CT圖像。對(duì)抗生成網(wǎng)絡(luò)是使用兩個(gè)相互競爭的神經(jīng)網(wǎng)絡(luò)模:產(chǎn)生噪聲數(shù)據(jù)的噪聲發(fā)生器模型和區(qū)分真實(shí)數(shù)據(jù)和噪聲的鑒別器模型。在訓(xùn)練過程中，鑒別器模型學(xué)習(xí)更好地區(qū)分噪聲數(shù)據(jù)與真實(shí)數(shù)據(jù)。與其他神經(jīng)網(wǎng)絡(luò)相比，對(duì)抗生成網(wǎng)絡(luò)在圖像生成任務(wù)中表現(xiàn)出優(yōu)異的性能。2圖像配準(zhǔn)通常用于多模態(tài)覆蓋，如PET/CT配準(zhǔn)和圖像的比較或減影。深度學(xué)習(xí)可以在耗時(shí)的手動(dòng)輪廓和圖像配準(zhǔn)中發(fā)揮相當(dāng)大的作用，并且可能遭受內(nèi)部或內(nèi)部差異的影響。有研究無監(jiān)督深度學(xué)習(xí)在腦MR圖像變形配準(zhǔn)中的應(yīng)用。機(jī)器學(xué)習(xí)可用于橫截面成像中三維結(jié)構(gòu)的定量評(píng)估。Wang等人使用基于美國有線電視新聞網(wǎng)的算法精確地分割CT圖像上的脂肪組織體積。腦MRI解剖分割也已通過使用深度學(xué)習(xí)算法來劃定和定量評(píng)估腦結(jié)構(gòu)和病變。圖像定量分析3受過訓(xùn)練的觀察者（例如，有經(jīng)驗(yàn)的放射科醫(yī)師）被認(rèn)為是基于任務(wù)的醫(yī)學(xué)圖像質(zhì)量評(píng)價(jià)的參考標(biāo)準(zhǔn)。然而，評(píng)價(jià)大量的圖片需要花費(fèi)醫(yī)生很長的一段時(shí)間。為了解決這個(gè)問題，機(jī)器學(xué)習(xí)（也被稱為模型的數(shù)值觀察員觀察員）已發(fā)展成為一種用于圖像的質(zhì)量評(píng)估人類觀察者的替代品。模型觀測器可應(yīng)用于低劑量CT迭代重建的參數(shù)優(yōu)化和圖像質(zhì)量評(píng)價(jià)。3研究者已經(jīng)嘗試使用深度學(xué)習(xí)進(jìn)行自動(dòng)圖像質(zhì)量的評(píng)價(jià)。比如，肝臟MRI圖像的質(zhì)量自動(dòng)評(píng)估已經(jīng)得到實(shí)現(xiàn)。3最近的研究表明，神經(jīng)網(wǎng)絡(luò)算法可應(yīng)用于從低劑量的CT圖像降噪。訓(xùn)練對(duì)抗網(wǎng)絡(luò)可以改善卷積神經(jīng)網(wǎng)絡(luò)的產(chǎn)生與常規(guī)劑量CT圖像質(zhì)量相似的圖像的能力。自動(dòng)放射劑量估計(jì)3機(jī)器學(xué)習(xí)可用于CT數(shù)據(jù)集的器官特異性分類和器官輻射劑量估算。最近的一項(xiàng)研究顯示，采用卷積神經(jīng)網(wǎng)絡(luò)分類器對(duì)CT數(shù)據(jù)中器官和特定器官的輻射劑量進(jìn)行分類，準(zhǔn)確率超過高于96 %。利用神經(jīng)網(wǎng)絡(luò)進(jìn)行自動(dòng)輻射劑量估算在放射腫瘤學(xué)領(lǐng)域已經(jīng)得到了更多
研究報(bào)告相關(guān)推薦
鄂ICP備17016276號(hào)-1