別出“心”裁

摘 要：目前國內醫療圖像分割應用極少，現有分割算法耗時長、效率低，圖像辨識精度難以保證；醫生只能憑借經驗估計病灶大小、形狀和三維位置相對關系，有礙診療的準確和便捷；現有病例數據、診療方法、經驗共享困難，無法用大數據預測病情的擴散趨勢。目前，我國心功能醫療診斷行業缺乏一款針對心臟的醫療輔助平臺。為滿足行業需求、打破技術壟斷、解決檢測評估難題，系統以心臟功能評估與疾病的輔助診斷為出發點，以心臟核磁共振圖像、心功能指標計算方法為基礎，開發了由心臟圖像分割、三維重建、輔助評估系統、共享病歷數據庫模塊組成的心功能分析評估軟件系統，為醫患提供診斷結果。

關鍵詞：融合神經網絡；三維重建；共享病例庫

1 作品簡介

團隊研發了基于邊端云協同技術與深度學習智能算法的心臟醫療影像輔助分析系統，這是一款集核磁共振圖像自動分割、心臟三維圖像構建、共享病歷數據庫集成、心臟指標智能分析與評估于一體的智慧醫療云平臺。團隊以醫療影像智能分割和指標分析為出發點，獨創了基于DenseNet和CSRNet卷積神經網絡的深度學習算法，具有將心臟影像引入端到端深度學習框架、局部圖像感知等優勢。結合RC算法實現了心臟三維重建，建立了基于MRI圖像數據與3D數據庫的可變模型，以可變參數為基礎，跟蹤心臟邊界信息動態構建三維立體影像。自主研發基于多用戶容器技術、NGV技術棧的MuVM框架及RDS for MySQL數據庫進行分布式數據存儲，實現了共享病例數據。

2 項目創新點

（1）核磁共振圖像分割系統。項目自主研發了基于級聯分割與回歸網絡（CSRNet）的融合分割網絡，可對患者心臟核磁共振圖像進行全自動分割。根據心臟分割結果識別心臟異常指標對于各疾病的權重，實現10余種疾病的精準評估，提供若干常見及罕見心臟病的疑似結果，為醫生提供輔助分析。

（2）心臟三維影像重建技術。以RC算法為核心的三維重構算法利用核磁共振圖像對心臟進行立體三維重建。重建后的三維圖像與真實心臟相比誤差控制在毫米級，具有醫患溝通、術中導航、病灶精準定位、指標量化分析等功能。

（3）共享病歷資料庫。團隊自主搭建了基于大數據的病例庫，合理利用醫療大數據并滿足醫院對病例數據共享系統的需求。醫生可以利用大數據預測病情的擴散趨勢，將病人的既往病史、體質特征、健康數據等作為診斷輔助。

（4）智慧醫療云平臺。將磁共振圖像分割、心臟三維重建、共享病歷數據庫整合到云平臺，可以為多用戶提供基于大數據病歷庫的實時檢查服務與醫學輔助評估功能。

3 應用前景

我國心血管疾病患者人數已接近4億，位居世界首位。而90%的臨床醫療數據源自影像診斷，但核心技術仍被歐美壟斷。且我國醫療資源分配不均，15.82萬放射科醫生對應75.4億年就診人次，醫患比例嚴重失調。同時，基層醫院由于醫療水平較低無人問津。近幾年，人工智能發展迅速，國家相繼出臺了多項鼓勵創新智慧醫療的政策，2022年全國兩會更是呼吁加強理療影像科的普及建設。

從行業環境來看，基于深度學習的人工智能輔助分析系統極大提高了醫生的診療效率，醫療圖像輔助診斷市場前景廣闊。

人工檢查圖像具有極強的主觀臆斷性，隨著智慧醫療的提出，各大醫療機構也陸續采用了新型醫療診斷系統，但由于傳統對心臟的研究采用基于變分法或者圖像分割方法分割出序列MRI中左、右室壁內外膜再進行分析計算，很難做到全自動處理，且分割耗時長，而心臟運動復雜，導致心室解剖結構變化大，給分割帶來更大困難。2014—2019年，我國醫學影像設備市場在全球醫學影像市場占比不斷增加，對可對心功能進行準確評估的醫療人工智能系統的市場需求巨大。