深度學習技術(shù)結(jié)合MRI 在前列腺癌中的應用

吳翰昌，邊云，邵成偉

前列腺癌是男性最常見的泌尿生殖系統(tǒng)腫瘤。有文獻[1]報道，2023 年全球前列腺癌的預期發(fā)病率將居第1 位，死亡率居第2 位。盡管亞洲的前列腺癌發(fā)病率顯著低于歐美國家，但發(fā)病趨勢正逐漸接近發(fā)達國家[2]。多參數(shù)MRI（multiparametric MRI,mpMRI）目前是前列腺癌診斷中應用最廣泛的影像學方法，但其僅限于識別惡性程度較高的臨床顯著前列腺癌（clinically significant prostate cancer，csPCa），難以發(fā)現(xiàn)非臨床顯著前列腺癌（non-clinically significant prostate cancer，ncsPCa），而且在診斷csPCa時常常會忽視其子病灶[3]，也難以對前列腺癌的惡性程度有效分級。傳統(tǒng)的影像分析方法在前列腺癌的精準治療上遇到了瓶頸問題，而近年來人工智能（artificial intelligence，AI）技術(shù)迅猛發(fā)展，有諸多研究對這些問題進行了探索[4-5]。

深度學習是AI 領(lǐng)域的一個重要分支，其最主要的研究方法是利用計算機模擬人腦數(shù)十億個神經(jīng)元，通過函數(shù)代替神經(jīng)元構(gòu)建人工神經(jīng)網(wǎng)絡(luò)，自動對輸入數(shù)據(jù)進行分析，總結(jié)數(shù)據(jù)的高維特征和規(guī)律。在現(xiàn)實生活中，以神經(jīng)網(wǎng)絡(luò)為代表的深度學習技術(shù)，已經(jīng)廣泛應用于人臉識別、自動駕駛等領(lǐng)域。在訓練一個神經(jīng)網(wǎng)絡(luò)的過程中，需要將同一個訓練集樣本的輸入、輸出模式反復作用于模型，神經(jīng)網(wǎng)絡(luò)能夠按照一定的規(guī)則自動調(diào)節(jié)神經(jīng)元之間的拓撲結(jié)構(gòu)和連接強度，使最終輸出值滿足要求，隨后在進一步的訓練集中不斷迭代升級，神經(jīng)網(wǎng)絡(luò)最核心的特征就是“學習”，數(shù)據(jù)量越大，識別效果越好。在醫(yī)學領(lǐng)域應用的探索中，影像科的海量圖像數(shù)據(jù)正好契合了深度學習技術(shù)的使用場景。……