計算機輔助醫(yī)學診斷的相關(guān)問題探討

王寰 楊澤慧

摘要：本文主要就當前應用較為廣泛的計算機輔助醫(yī)學診斷進行分析和討論，并闡述CAD研究中的相關(guān)問題。希望可以為相關(guān)人士提供幫助。

關(guān)鍵詞：計算機輔助醫(yī)學診斷；CAD 醫(yī)學影像；分析

中圖分類號：TP393 文獻標識碼：A

文章編號：1009-3044（2019）11-0266-02

自Ledly與Lysted提出Bayes定理和布爾代數(shù)可以當作診斷邏輯之后，日本、德國等國家也開始計量醫(yī)學研究同時也促進了計算機輔助診斷（簡稱CAD）研究的形成。

1 計算機輔助診斷的含義

計算機輔助診斷是通過先進計算機軟件分析與處理醫(yī)學圖像，以便發(fā)現(xiàn)病變特征，結(jié)果屬于診斷醫(yī)師的參考意見，幫助意識提升病灶的檢出率，又被稱之為醫(yī)生的“第二個眼睛”，能夠有效提升診斷的準確性并改善診斷的再現(xiàn)性，簡短讀片時間，提升實際工作效率。CAD中的D主要包括兩個方面；即為Detection與Diagnosis，即為幫助發(fā)展與診斷病變。例如在乳腺癌與肺結(jié)核的醫(yī)學診斷中，系統(tǒng)能夠幫助醫(yī)生發(fā)現(xiàn)結(jié)節(jié)和疑似病變，另外可以幫助醫(yī)生準確判斷病變性質(zhì)，即為良性或惡性。當前國外學者針對CAD在醫(yī)學診斷中的含義已經(jīng)達成共識，在應用CAD系統(tǒng)時，最后的診斷還是由相關(guān)醫(yī)生決定，只是醫(yī)生在判斷時會參考計算機的輸出結(jié)果，使得醫(yī)學診斷更加客觀、準確。在醫(yī)學影像診斷中，計算機輸出結(jié)果是定量分析影像資料特點獲得的，主要作用就是幫助醫(yī)生提升準確性以及疾病解釋的統(tǒng)一性。CAD可以有效提升醫(yī)生診斷的準確性，主要原因就是因為放射科醫(yī)生的診斷是主觀判斷的過程，因為受到醫(yī)生經(jīng)驗和知識水平的限制與影響。另外醫(yī)生診斷的時候，容易遺某些細微的變化，例如乳腺內(nèi)的細微鈣化等。

2 CAD在醫(yī)學影像診斷學中的作用

CAD當前在醫(yī)學影像診斷中的各個領(lǐng)域已經(jīng)被廣泛應用，主要包括平片、CT、超聲診斷等，都可以運用CAD系統(tǒng)。另外，人身體中的任何位置都可以通過CAD提升醫(yī)學診斷的準確率。

1） 肺結(jié)核性病變等方面的應用。因為早期和較小的結(jié)節(jié)灶通常在解剖結(jié)構(gòu)的重疊下很難被放射科醫(yī)生所辨認，以往普通胸片對肺結(jié)核的漏診率達到了百分之三十以上。CT尤其是多排螺旋CT能夠?qū)崿F(xiàn)薄層CT平掃，這樣的方式雖然能夠解決小結(jié)節(jié)的漏診問題，但是在過程中會產(chǎn)生大量的圖像，因為醫(yī)生閱片疲勞問題，以及個人標準的不同就會增加漏診和誤診的發(fā)生幾率。如果可以通過計算機模式能夠清晰顯示肺結(jié)節(jié)的所在位置，同時還可以進一步提升肺結(jié)節(jié)的醫(yī)學診斷率，減少漏診的情況發(fā)生。當前這也是CAD研究的重點之一。

相關(guān)人事通過模擬神經(jīng)網(wǎng)絡研究和分析200例HRCT下大于2cm的肺結(jié)節(jié)，人工神經(jīng)網(wǎng)絡基于多項臨床特征與多項放射影像特征的基礎(chǔ)之上，又多位放射科專家與CAD雙盲測試，其CAD診斷結(jié)果的正確率為96.1%，放射科醫(yī)生診斷的正確率為84.7%，放射科醫(yī)生在CAD系統(tǒng)的幫助下，診斷結(jié)果的準確度可以高達96.9%。另外，相關(guān)學者還選取了150位肺部單發(fā)結(jié)節(jié)直徑為8-25mm的患者，該類群體的肺結(jié)節(jié)病灶都已經(jīng)得到了病理證實。然后從健康人群中在抽取150為年齡、性別相仿的對照者。然后對兩組人物進行CT證實，再由先關(guān)放射科專家進行醫(yī)學診斷，所有X線胸片都需要通過數(shù)字化放射影像獲得。分別又6名高年資影像醫(yī)生和6名低年資影像醫(yī)生當為觀測者，然后依次對不運用和運用CAD輸出圖像的X線胸片進行分析診斷。觀察者根據(jù)受試者的特征曲線進行分析，其結(jié)果表明，不論是年資較低還是年資較高的影像醫(yī)生，運用CAD輸出結(jié)果檢查肺內(nèi)單發(fā)結(jié)節(jié)的準確率普遍優(yōu)于不用CAD。同時雖然兩組在使用CAD輸出結(jié)果的過程中，其檢測的準確性都會有所提升，但是年資較低的醫(yī)生會提升較多，因為年資較高的醫(yī)生在不運用CAD結(jié)果就已經(jīng)形成了一定的準確性。還可以進一步說明CAD技術(shù)能夠有效提升低年資提升對醫(yī)學診斷的準確性。

2） 乳腺癌方面的應用。CAD技術(shù)在乳腺癌早期診斷中的研究較為成功。早年FDA就已經(jīng)批準了首個CAD系統(tǒng)，即為美國R2技術(shù)有限公司的Image Checker系統(tǒng)。在乳腺癌診斷過程中，CAD能夠從以下兩個方面來提升診斷的準確率；首先就是尋找出可能存在的腫塊性病變；其次就是尋找出微小的鈣化灶，由于微小的鈣化灶，特別是叢狀分布的鈣化灶是乳腺癌的主要特征之一。

相關(guān)學者用CAD技術(shù)分析67例組織學已經(jīng)證實的乳腺癌全乳X光片數(shù)字學影像資料，以此來評估CAD的準確率。其研究結(jié)果表明，CAD技術(shù)發(fā)現(xiàn)微小鈣化灶的精準程度為89.9%；發(fā)現(xiàn)腫塊的精準度為82%，假陽性率在微小鈣化與腫塊中依次為34.9%與27%，整體假陽性率為60%。另外還隨機抽取了150例乳腺癌病患的數(shù)字化乳腺X片，然后與放射科醫(yī)生運用CAD前后診斷乳腺癌敏感差異進行比較。其結(jié)果表明放射科醫(yī)生運用CAD前后診斷乳腺癌的精準程度為75.4%和89.8%。

3） 神經(jīng)系統(tǒng)影像診斷學中的應用。相關(guān)學者收集了456例已經(jīng)經(jīng)過病理證實的鞍內(nèi)與鞍上腫瘤，依照多個觀察指標來分析456例病患的臨床與MR影像資料，然后對其分類和回歸樹（CART）進行交叉驗證，構(gòu)建出樹狀模型。抽取經(jīng)過手術(shù)和病理證實同時手術(shù)之前MR診斷錯誤的鞍內(nèi)與鞍上腫瘤病理70例，在隨機抽取70份病例的MR片子為兩組，每組為35例。第一次安排3名有著較為豐富經(jīng)驗的神經(jīng)放射學診斷已經(jīng)進行閱讀，依照自己的實際經(jīng)驗做出分析并提出相應的診斷；第二組由3名資歷較低的住院醫(yī)生進行閱讀，依照自己的觀察運用上述方式進行診斷。閱片結(jié)果可以運用X2進行檢驗。其結(jié)果表明，第一組醫(yī)生診斷的準確率為34.2%；第二組醫(yī)生診斷的準確率為64.5%。

另外，基于磁共振影像的特征，可以提取描述星形細胞瘤的多個影像特征資料，主要包括形態(tài)、輪廓以及占位等，將其輸入人工神經(jīng)元網(wǎng)絡，對網(wǎng)絡進行訓練，構(gòu)建出CAD系統(tǒng)。數(shù)據(jù)庫病例測試表明人工神經(jīng)元網(wǎng)絡診斷結(jié)果為；針對良性與惡性星形膠質(zhì)細胞瘤的診斷精準性為91.45%與95.7%，特異性依次為92.6%與89.7%，診斷結(jié)果的準確率已經(jīng)接近于放射科專家，構(gòu)建CAD系統(tǒng)能夠有效提升良性與惡性星形膠質(zhì)細胞瘤診斷的準確性，同時在醫(yī)學影像方面也有著一定的價值。

4） 其他。除了肺結(jié)節(jié)與乳腺癌以及腦瘤等研究的運用之外，當前CAD在CT虛擬結(jié)腸鏡和肝臟疾病CT診斷等多個方面都有研究與報道。

3 CAD的工作步驟

CAD的工作步驟主要分為以下三點；首先就是圖像的處理過程，主要目的就是將病變從正常結(jié)構(gòu)中提煉出來。圖像處理的主要目的就是讓計算機容易識別人體中可能存在的病變，即為讓計算機可以從復雜的解剖背景中將人體病變和可疑結(jié)構(gòu)進行識別。各種病變有著不同的圖像處理與計算模式，將可疑病變從正常解剖背景中進行分離和顯示。其次就是圖像征象的提取和圖像特征的量化過程。即為病變的征象分析量化過程。所分析與研究的征象就是醫(yī)學影像診斷醫(yī)師對醫(yī)學有價值的影像表現(xiàn)，例如病變大小和密度以及形態(tài)特征等。最后就是數(shù)據(jù)的處理過程，將第二步所獲得的圖像征象數(shù)據(jù)資料輸入到人工神經(jīng)元網(wǎng)絡等多種統(tǒng)計算法中，以此來形成CAD系統(tǒng)，對病變科學進行分類和處理，以便區(qū)分各種病變，進一步實現(xiàn)對疾病的有效診斷。常用的方式主要包括神經(jīng)元網(wǎng)絡以及規(guī)則提取等。

4 醫(yī)學輔助診斷系統(tǒng)研究與發(fā)展方向

積極總結(jié)當前知識發(fā)展計算機輔助診斷，未來發(fā)展可在以下幾個方面進行探索與研究。

其一在對有醫(yī)學影像的多媒體醫(yī)學數(shù)據(jù)進行數(shù)據(jù)挖掘與知識發(fā)現(xiàn)的過程中，需要進一步研究怎樣快速且高效的自動提取圖像特征和如何選擇科學的數(shù)據(jù)挖掘方式，以便能夠得到更加完善的數(shù)據(jù)挖掘結(jié)果，即為醫(yī)學診斷規(guī)則。

從醫(yī)學圖像提取用于診斷的圖像特征值需要花費很多實踐，由于人們理解圖像比理解數(shù)字要相對容易，但是計算機恰好相反，基于此，特別是對于圖像進行挖掘的多媒體數(shù)據(jù)挖掘還處在研究的初期階段，醫(yī)學圖像的特征自動提取與模式的識別的研究與發(fā)展與多媒體數(shù)據(jù)挖掘有著互相促進的作用。針對數(shù)據(jù)挖掘方式的運用中，神經(jīng)網(wǎng)絡技術(shù)在當前重要商品化數(shù)據(jù)挖掘工具中有著一定的地位，隨著神經(jīng)網(wǎng)絡規(guī)則提取的研究與發(fā)展，通過神經(jīng)網(wǎng)絡來發(fā)展實際與提取分類規(guī)則，因為其具有簡單性和較強的歸納能力，引起了人們的廣泛研究與應用。將這種模式運用到醫(yī)學診斷中，有著一定的研究價值和發(fā)展方向。近年來，將模糊技術(shù)與神經(jīng)網(wǎng)絡技術(shù)融合的模糊網(wǎng)絡技術(shù)成為了熱門的研究話題，同時人們也逐漸將先進的技術(shù)運用到醫(yī)學診斷領(lǐng)域中，并且也取得了較好的效果。

其二分析與開發(fā)適合醫(yī)學數(shù)據(jù)庫知識發(fā)現(xiàn)的數(shù)據(jù)挖掘方式與工具。針對多種特定的醫(yī)學數(shù)據(jù)庫，人們已經(jīng)運用了多種適合的數(shù)據(jù)挖掘方式進行計算機輔助診斷體系的開發(fā)。在經(jīng)過大量實踐的基礎(chǔ)之上，未來是否能夠通過軟件組建技術(shù)應用于知識發(fā)現(xiàn)系統(tǒng)中，集成多種適合醫(yī)學數(shù)據(jù)挖掘的方式，為醫(yī)學診斷開發(fā)工具，從而節(jié)省開發(fā)計算機診斷輔助醫(yī)學診斷的時間，其與自動化的方式十分適合醫(yī)學診斷的開發(fā)。

其三積極開發(fā)性能較好、接近醫(yī)學專家水平，進而可以讓其投入臨床使用的計算機輔助診斷系統(tǒng)。醫(yī)學診斷是關(guān)乎于生命的重大時間，需要在醫(yī)學數(shù)據(jù)庫知識發(fā)現(xiàn)與醫(yī)生知識之間達成統(tǒng)一，出現(xiàn)矛盾及時消除，同時需要將現(xiàn)有的專家系統(tǒng)與知識發(fā)現(xiàn)體系進行結(jié)合，以此來提升醫(yī)學診斷的能力，使得計算機輔助診斷系統(tǒng)成為醫(yī)生的得力助手。

5 結(jié)束語

綜上所述，CAD系統(tǒng)的優(yōu)度不僅與系統(tǒng)的數(shù)學模型有關(guān)，并且與原始數(shù)據(jù)的預處理和建模樣本的選擇和編輯有關(guān)。與建模原始數(shù)據(jù)的真實性有著一定的關(guān)聯(lián)，在過程中必須要認真識別。數(shù)據(jù)較大可以通過計算機進行識別，原始數(shù)據(jù)需要進行多種標準化的方式進行處理，以便消除執(zhí)政單位和量綱差異帶來的影響。建模樣本不能過小，否則不足為證。但是建模的數(shù)據(jù)量也不能過大，模型的優(yōu)度與建模數(shù)據(jù)的組織與編輯以及選取有關(guān)系。

參考文獻：

[1] 唐軍. 計算機輔助診斷系統(tǒng)在前列腺癌新發(fā)骨轉(zhuǎn)移骨顯像中的診斷效能：尋找靈敏度降低的可能原因[J]. 中華核醫(yī)學與分子影像雜志， 2018（3）.

[2] 劉堅， 吳亮穎， 張衛(wèi)平， et al. 計算機輔助下三維重建技術(shù)在復雜牙拔除定位診斷中的臨床應用研究[J]. 世界最新醫(yī)學信息文摘， 2017（74）：51-52.

[3] Giannini V ， Mazzetti S ， Armando E ， et al. 計算機輔助檢測前列腺多參數(shù)MR成像：與經(jīng)驗豐富的閱片者診斷效能對比研究[J]. 國際醫(yī)學放射學雜志， 2017（6）：121-122.

【通聯(lián)編輯：光文玲】