基于深度學(xué)習(xí)的“易診”智能閱片系統(tǒng)的構(gòu)建研究

摘" 要：為了實現(xiàn)肝包蟲病病灶的提前識別和精確診斷，使用基于深度學(xué)習(xí)技術(shù)的智能閱片系統(tǒng)“易診”開發(fā)微信小程序，以輔助新疆偏遠(yuǎn)地區(qū)的用戶對肝包蟲病超聲圖像進(jìn)行肝包蟲病病灶區(qū)域的識別。采用卷積神經(jīng)網(wǎng)絡(luò)（CNN）等深度學(xué)習(xí)技術(shù)，實現(xiàn)醫(yī)學(xué)影像數(shù)據(jù)的自動分析和診斷。經(jīng)過測試和評估，該系統(tǒng)表現(xiàn)優(yōu)異，所開發(fā)的微信小程序?qū)崿F(xiàn)了移動端醫(yī)學(xué)影像上傳和病灶區(qū)域的識別分析。通過深度學(xué)習(xí)算法進(jìn)行圖像診斷分析，并實時展示分析結(jié)果，該微信小程序提供方便易用的上傳醫(yī)學(xué)圖像的功能，助力醫(yī)療條件薄弱地區(qū)提高肝包蟲病的診斷效率和診斷精度。

關(guān)鍵詞：微信小程序；深度學(xué)習(xí)；圖像處理；智能閱片

中圖分類號：TP311" " 文獻(xiàn)標(biāo)識碼：A" 文章編號：2096-4706（2024）09-0106-05

Research on the Construction of an“Yizhen”Intelligent Film Reading System Based on Deep Learning

Miwueryiti·Hailati1， Renaguli·Aihemaitiniyazi1， WANG Zhengye1， Yeerxiati·Duolikong1， YAN Chuanbo2

（1.School of Public Health， Xinjiang Medical University， Urumqi" 830011， China;

2.School of Medical Engineering Technology， Xinjiang Medical University， Urumqi" 830011， China）

Abstract： In order to achieve early recognition and accurate diagnosis of liver hydatid disease lesions， an intelligent film reading system based on Deep Learning technology called “Yizhen” is used to develop a WeChat Mini Program to assist users in remote areas of Xinjiang in identifying liver hydatid disease lesion areas in ultrasound images of liver hydatid disease. It uses Deep Learning technologies such as Convolutional Neural Networks （CNN） to achieve the automatic analysis and diagnosis of medical image data. After testing and evaluation， this system performed excellently， and the developed WeChat Mini Program achieved mobile end medical image uploading and lesion area recognition analysis. It uses Deep Learning algorithms for image diagnosis and analysis， and real-time displays of analysis results. This WeChat Mini Program provides a convenient and easy-to-use function for uploading medical images， helping to improve the diagnostic efficiency and accuracy of liver hydatid disease in areas with weak medical conditions.

Keywords： WeChat Mini Program; Deep Learning; image processing; intelligent film reading

0" 引" 言

醫(yī)學(xué)影像識別技術(shù)是一種通過計算機(jī)技術(shù)來處理醫(yī)學(xué)圖像的方法。這項技術(shù)可以讓醫(yī)生更準(zhǔn)確地診斷疾病，提供更好的治療方案以實現(xiàn)理想的治療結(jié)果。醫(yī)學(xué)影像識別技術(shù)大致經(jīng)歷了三個發(fā)展階段：傳統(tǒng)方法階段、機(jī)器學(xué)習(xí)方法階段、深度學(xué)習(xí)方法階段。在傳統(tǒng)方法階段，醫(yī)學(xué)影像的分析和診斷主要采用圖像處理和模式識別等傳統(tǒng)的圖像分析技術(shù)，通常需要手動提取醫(yī)學(xué)影像特征，結(jié)合運(yùn)用數(shù)學(xué)和統(tǒng)計學(xué)模型進(jìn)行分析和分類；在機(jī)器學(xué)習(xí)方法階段，人們開始嘗試將機(jī)器學(xué)習(xí)技術(shù)運(yùn)用到醫(yī)學(xué)影像的分析和診斷中，使用監(jiān)督學(xué)習(xí)、非監(jiān)督學(xué)習(xí)等方法（比如常用的支持向量機(jī)（SVM）[1]、隨機(jī)森林（Random Forest）等分類算法）進(jìn)行圖像特征的提取、分類和診斷；在深度學(xué)習(xí)方法階段，利用深度學(xué)習(xí)算法（如卷積神經(jīng)網(wǎng)絡(luò)（CNN）等）進(jìn)行圖像特征的提取和分類。深度學(xué)習(xí)算法具有較強(qiáng)的自適應(yīng)性和泛化能力，能夠快速、準(zhǔn)確地輔助臨床醫(yī)生給出較為準(zhǔn)確的醫(yī)學(xué)影像診斷，已經(jīng)成為醫(yī)學(xué)影像分析和診斷的重要手段[2]。許多公司（如國外的Zebra Medical Vision、Kheiron Medical等以及國內(nèi)的深睿醫(yī)療、聯(lián)影[3]和贏創(chuàng)[4]等）都已開展了醫(yī)學(xué)影像診斷服務(wù)的業(yè)務(wù)。此外，醫(yī)學(xué)影像診斷軟件也可利用深度學(xué)習(xí)等技術(shù)，在結(jié)節(jié)檢測、病灶分割和疾病診斷等方面為醫(yī)生提供診斷和治療輔助服務(wù)，應(yīng)用包括肺結(jié)節(jié)檢測、乳腺篩查、腦出血分析等。隨著人口老齡化趨勢的日益加劇，疾病的種類和數(shù)量在持續(xù)不斷地增加，醫(yī)學(xué)影像診斷的質(zhì)量和效率成為制約醫(yī)療服務(wù)質(zhì)量提高的重要因素。傳統(tǒng)的影像診斷有賴于醫(yī)生的深入分析和經(jīng)驗判斷，但醫(yī)生有時難免存在主觀偏差，難以保證診斷結(jié)果的準(zhǔn)確性和一致性。這種傳統(tǒng)的診斷方式已經(jīng)無法滿足現(xiàn)代醫(yī)學(xué)的需要。肝包蟲病是一種犬絳蟲（棘球絳蟲）的囊狀幼蟲（棘球蚴）寄生在人體或動物肝臟/膽管中所致的一種寄生蟲病[5]。在我國，肝包蟲病是繼血吸蟲病之后，危害最嚴(yán)重的寄生蟲病。新疆位于西北邊陲，經(jīng)濟(jì)落后、醫(yī)療條件低下以及一些人的生活習(xí)慣不佳導(dǎo)致了肝包蟲病的高發(fā)，全省肝包蟲病總計20 734例[6]。患者分布在新疆全境，部分地區(qū)的患病率高達(dá)8.4%。目前，對于肝包蟲病的防治仍然面臨著許多困難[7]，醫(yī)療資源匱乏和醫(yī)生經(jīng)驗不足等因素影響著疾病的早期診斷[8，9]。肝包蟲病的診斷主要依賴于臨床癥狀、體征、實驗室檢查以及影像學(xué)檢查，超聲檢查是金標(biāo)準(zhǔn)，早診早治是肝包蟲病治療的關(guān)鍵[10，11]。

1" 研究方法與相關(guān)理論

1.1" 微信小程序

移動醫(yī)學(xué)影像作為移動計算和醫(yī)學(xué)影像相結(jié)合的交叉研究領(lǐng)域，越來越受到學(xué)術(shù)界和產(chǎn)業(yè)界的關(guān)注，移動醫(yī)學(xué)影像多應(yīng)用于診療指導(dǎo)、病情咨詢以及遠(yuǎn)程醫(yī)療等方面，逐漸成為醫(yī)療服務(wù)發(fā)展的方向。其中，基于微信平臺的醫(yī)學(xué)應(yīng)用在醫(yī)療行業(yè)中得到了廣泛的應(yīng)用，尤其體現(xiàn)在醫(yī)生與患者之間的信息交流上。微信平臺提供暢通的傳播渠道和便捷的溝通方式，提高了醫(yī)生和患者之間的交流效率，極大地推動了醫(yī)療行業(yè)的數(shù)字化、智能化、便捷化。為了充分發(fā)揮醫(yī)療圖像微信公眾平臺的效用，以為患者提供高質(zhì)量的信息服務(wù)，有必要對其開發(fā)與應(yīng)用進(jìn)行深入研究。

1.2" 目標(biāo)檢測算法

目標(biāo)檢測是計算機(jī)輔助診斷的一項重要任務(wù)，在對圖像和視頻中特定對象的檢測、定位和跟蹤方面具有廣泛的應(yīng)用[12]。目前，主流的目標(biāo)檢測算法主要分為兩大類：基于區(qū)域提取的算法和單階段檢測算法。前者包括在R-CNN [13]基礎(chǔ)上演化出的各種算法，如Fast-RCNN和Faster-RCNN [14]等，后者包括YOLO系列的算法，如YOLOv3 [15]和YOLOv4 [16]等。雖然基于區(qū)域提取的檢測算法有著良好的檢測性能，但它的實時性較差，所以單階段檢測算法成為當(dāng)前目標(biāo)檢測領(lǐng)域的研究熱點，其中最新的YOLOv5算法繼承了YOLO系列算法的優(yōu)勢，在精度和速度上得到了很好的平衡。YOLOv5將輸入圖像劃分為網(wǎng)格，對每個網(wǎng)格的類別和邊界框進(jìn)行預(yù)測，并使用非最大化抑制來過濾掉概率較低的檢測框，以保留概率最大的檢測框，加之可高度優(yōu)化的硬件操作和較為先進(jìn)的數(shù)據(jù)增強(qiáng)技術(shù)，YOLOv5的檢測能力更強(qiáng)，檢測精度更高，較高的檢測速度使它在實時應(yīng)用中具有巨大的應(yīng)用潛力。綜上所述，基于微信小程序的智能閱片系統(tǒng)作為一種新興技術(shù)，以其高效、準(zhǔn)確、可靠和便捷的特點，成為當(dāng)前醫(yī)學(xué)影像診斷領(lǐng)域的研究熱點。

2" 研究結(jié)果

本研究參考世界衛(wèi)生組織包蟲病專家工作組（WHO-IWGE）[17]頒布的肝包蟲病分型指南，選取新疆醫(yī)科大學(xué)第一附屬醫(yī)院影像室900名病人的2 412張CE1、CE2、CE3、CE4和CE5共五個病灶類型的肝包蟲超聲影像。為提高后續(xù)計算的效率和準(zhǔn)確度，對不同型號機(jī)器采集的超聲圖像進(jìn)行灰度處理、高斯濾波去噪[18]等預(yù)處理，之后將數(shù)據(jù)集以7：3的比例劃分為訓(xùn)練集和測試集，再使用開源軟件Labelme對圖像進(jìn)行標(biāo)注，如圖1所示。

3" 系統(tǒng)架構(gòu)設(shè)計與實現(xiàn)

根據(jù)本程序的用戶群體（病患和醫(yī)護(hù)人員），本文將系統(tǒng)功能分成兩個部分來設(shè)計。如圖2所示，在手機(jī)端通過手機(jī)拍照或從本地相冊上傳肝包蟲的超聲圖像，在數(shù)據(jù)庫后端使用Flask框架、YOLOv5等深度學(xué)習(xí)算法對前端傳來的超聲影像數(shù)據(jù)進(jìn)行分析，對可能的病灶進(jìn)行檢測、識別和判定，同時對上傳的超聲影像數(shù)據(jù)進(jìn)行增刪改查等維護(hù)操作，并對該圖像病灶的位置、疾病類別信息進(jìn)行標(biāo)記操作，最后在小程序中生成相應(yīng)的圖像報告，從而完成本文系統(tǒng)圖像自動閱片的基礎(chǔ)操作。

3.1" “易診”肝包蟲病智能閱片小程序前端界面設(shè)計

微信小程序前端的開發(fā)工作主要包括用戶交互和數(shù)據(jù)展示兩個方面，因此要根據(jù)需求對UI界面進(jìn)行設(shè)計，并將其實現(xiàn)為相應(yīng)的業(yè)務(wù)邏輯。本研究采用微信小程序作為前端實現(xiàn)方式，結(jié)合Flask框架[19]進(jìn)行開發(fā)設(shè)計，開始界面中包含小程序名稱和啟動按鈕。如圖3（a）所示，首頁設(shè)計要求簡約清新、簡單易用。進(jìn)入小程序的首頁，用戶可通過微信快速登錄（無須注冊），首頁展示小程序的名稱、“啟動”按鈕。如圖3（b）所示，點擊“啟動”按鈕，小程序進(jìn)入肝包蟲病醫(yī)學(xué)超聲影像上傳界面，用戶通過屏幕下方的按鈕拍照上傳超聲影像。如圖3（c）所示，當(dāng)手機(jī)前端完成對圖像的上傳后，小程序出現(xiàn)三個按鈕選項，從左到右依次是處理圖像選項、查看結(jié)果選項、選擇重新上傳圖像選項。點擊“查看結(jié)果”按鈕后，小程序前端將呈現(xiàn)出肝包蟲病超聲圖像已經(jīng)由處理的跡象，病灶區(qū)域已被標(biāo)記了出來，連同該超聲影像中呈現(xiàn)的肝包蟲病有可能是哪種肝包蟲病的概率等數(shù)據(jù)反饋。如圖3（d）所示，對肝包蟲超聲影像的病灶區(qū)域標(biāo)識過后，小程序會自動生成文字報告，報告內(nèi)容包括肝包蟲病的類別、肝包蟲病類型的概率，以及肝包蟲病病灶區(qū)域的坐標(biāo)。

3.2" Flask后臺應(yīng)用服務(wù)器的構(gòu)建

Flask后臺的構(gòu)建包括影像數(shù)據(jù)庫維護(hù)和病灶數(shù)據(jù)識別，影像數(shù)據(jù)庫的維護(hù)包含影像基本信息（包括ID信息、病灶類別等信息）維護(hù)、影像文件的圖像信息以及影像病灶的標(biāo)注信息維護(hù)等，如表1和表2所示。影像病灶標(biāo)注過程要具有高度的規(guī)范性和標(biāo)準(zhǔn)性，要保證標(biāo)注的準(zhǔn)確性和一致性，從而提高診斷的準(zhǔn)確率和一致性。標(biāo)注信息包括病灶位置的xy左上角坐標(biāo)、病灶位置的xy右下角坐標(biāo)以及病灶類別等信息。后臺應(yīng)用服務(wù)器具有病灶影像識別邏輯，即在服務(wù)器后端接收手機(jī)端傳來的肝包蟲病超聲檢查圖像，F(xiàn)lask后臺使用Python語言[20]進(jìn)行算法實現(xiàn)，使用YOLOv5目標(biāo)檢測算法檢測及識別病灶的位置和肝包蟲病的類別，將病灶檢測和識別的結(jié)果以JSON的形式組織起來，通過網(wǎng)絡(luò)傳回手機(jī)端，并在生成報告界面中將診斷結(jié)果以圖形化的形式展示出來。

4" 結(jié)" 論

本文介紹了醫(yī)學(xué)影像診斷系統(tǒng)的背景和發(fā)展趨勢，探討了深度學(xué)習(xí)技術(shù)在醫(yī)學(xué)影像分析中的應(yīng)用方法與操作步驟，包括微信小程序編程與部署、后臺基于人工智能的卷積神經(jīng)網(wǎng)絡(luò)（CNN）等目標(biāo)檢測與識別算法的構(gòu)建與調(diào)用方法。本項目使用微信小程序?qū)崿F(xiàn)了醫(yī)學(xué)影像數(shù)據(jù)的分析和對病灶區(qū)域的初始化和判讀，提供了方便易用的醫(yī)學(xué)影像閱片功能，實現(xiàn)了偏遠(yuǎn)地區(qū)用戶快捷就醫(yī)，同時輔助臨床醫(yī)師快速做出診斷決策，從而最大限度實現(xiàn)肝包病的早期診斷與防治。在小程序的開發(fā)中，本系統(tǒng)注重了操作的簡易性和擴(kuò)展性，方便醫(yī)療機(jī)構(gòu)將小程序集成到自身的信息系統(tǒng)中進(jìn)行推廣應(yīng)用。經(jīng)過測試和評估，本文“易診”智能閱片系統(tǒng)的性能良好，可以顯著提高醫(yī)生的工作效率和準(zhǔn)確性，能夠為患者提供更加及時準(zhǔn)確的醫(yī)療服務(wù)。本項目的研究成果可為將深度學(xué)習(xí)技術(shù)引入醫(yī)學(xué)圖像分析提供有益的借鑒。

參考文獻(xiàn)：

[1] 王文劍，門昌騫.支持向量機(jī)建模及應(yīng)用 [M].北京：科學(xué)出版社，2014.

[2] 楊雪琴.醫(yī)學(xué)影像微信公眾平臺的應(yīng)用現(xiàn)狀與展望探究 [J].人人健康，2019（20）：259.

[3] 唐聞佳.聯(lián)影海外發(fā)展再提速，中國“智”造惠及全球患者 [N].文匯報，2022-11-03.

[4] 贏創(chuàng)加入MIT-IBM沃森人工智能實驗室，借助AI技術(shù)推進(jìn)創(chuàng)新 [J].橡塑技術(shù)與裝備，2021，47（10）：7.

[5] 戴婷，王輝.超聲診斷肝包蟲病1例及誤診原因分析 [J].中國實驗診斷學(xué)，2021，25（10）：1551-1552.

[6] 排孜麗耶·尤山塔依，嚴(yán)傳波，木拉提·哈米提，等.基于特征融合的肝包蟲病CT圖像識別 [J].北京生物醫(yī)學(xué)工程，2019，38（4）：400-406.

[7] 張壯志，張文寶，石保新，等.我國包蟲病防控及其面臨的困難 [J].獸醫(yī)導(dǎo)刊，2011（6）：27-29.

[8] 薄靖宇.基于深度學(xué)習(xí)的肺炎醫(yī)學(xué)影像自動識別與檢測技術(shù)研究 [D].北京：北京交通大學(xué)，2021.

[9] 南嘉格列，李銳，王海霞，等.基于深度學(xué)習(xí)的肝包蟲病超聲圖像分型研究 [J].深圳大學(xué)學(xué)報：理工版，2019，36（6）：702-708.

[10] 張洪輝.以用戶為中心預(yù)防結(jié)直腸癌惡性腸梗阻的微信小程序開發(fā)與可用性評價 [D].合肥：安徽醫(yī)科大學(xué)，2022.

[11] 彭棉珠.卷積神經(jīng)網(wǎng)絡(luò)目標(biāo)檢測方法比較及應(yīng)用探討 [J].普洱學(xué)院學(xué)報，2022，38（6）：44-46.

[12] CHANG C C，CHEN H H，CHANG Y C，et al. Computer-aided Diagnosis of Liver Tumors on Computed Tomography Images [J].Computer Methods and Programs in Biomedicine，2017，145：45-51.

[13] GIRSHICK R，DONAHUE J，DARRELL T，et al. Rich Feature Hierarchies for Accurate Object Detection and Semantic Segmentation [C]//2014 IEEE Conference on Computer Vision and Pattern Recognition. Columbus：IEEE，2014：580-587.

[14] REN S Q，HE K M，GIRSHICK R，et al. Faster R-CNN： Towards Real-time Object Detection with Region Proposal Networks [J].IEEE Transactions on Pattern Analysis and Machine Intelligence，2017，39（6）：1137-1149.

[15] REDMON J，F(xiàn)ARHADI A. YOLOv3：An Incremental Improvement [J/OL].arXiv：1804.02767v1 [cs.CV].[2023-09-08].https：//arxiv.org/abs/1804.02767.

[16] 白鈺杰，裴以建，朱秀軍.基于改進(jìn)YOLOv4模型的乳腺鉬靶圖像腫塊檢測 [J].計算機(jī)工程與科學(xué)，2023，45（4）：654-664.

[17] 劉文亞，蔣奕，王健.肝包蟲病影像學(xué)診斷專家共識 [J].臨床肝膽病雜志，2021，37（4）：792-797.

[18] 邵黨國，鄧陽陽，相艷，等.基于自適應(yīng)高斯濾波的超聲斑點降噪 [J].數(shù)據(jù)采集與處理，2017，32（4）：746-753.

[19] 范路橋，高潔，段班祥.基于Python+Flask+ECharts的國內(nèi)熱門旅游景點數(shù)據(jù)可視化系統(tǒng) [J].現(xiàn)代電子技術(shù)，2023，46（9）：126-130.

[20] 杜興.基于Flask框架Web版的掃臉登錄系統(tǒng)研究與實現(xiàn) [J].電子制作，2022，30（12）：54-56+87.

作者簡介：米吾爾依提·海拉提（1996—），女，哈薩克族，新疆烏魯木齊人，碩士研究生在讀，研究方向：醫(yī)學(xué)圖像處理；熱娜古麗·艾合麥提尼亞孜（1996—），女，維吾爾族，新疆烏魯木齊人，碩士研究生在讀，研究方向：醫(yī)學(xué)圖像處理；王正業(yè)（1996—），男，漢族，新疆烏魯木齊人，碩士研究生在讀，研究方向：醫(yī)學(xué)圖像處理；通訊作者：嚴(yán)傳波（1970—），男，漢族，新疆烏魯木齊人，教授，碩士，研究方向：醫(yī)學(xué)圖像處理。