海德堡遇见AI—基于图像深度学习的AI 在医学疾病中的应用

欢迎投稿：[email protected]

当海德堡精准清晰OCT遇见AI，不一样的 烟火 燃 起 ！

Cell 杂志 2018 年 2 月 22 日 刊中， 发表了 基于图像的深度学习 的人工智能系统即AI 对OCT 图像 进行分类从而识别 糖尿病视网膜病变 和黄斑 变性 的研究 ， 主要是 AI 通过迁移学习， 有效的 对 糖尿病视网膜病变和黄斑 变性 进行分类， 也可以 在胸部X线 片 上精确区分细菌性和病毒性肺炎， 从而 探索 AI在 更多医学影像应用的 巨大 潜力。

下图中显示的是 AI 通过迁移学习 的概要图 。 迁移学习 （ Transfer learning ） 顾名思义就是就是把已学训练好的模型参数迁移到新的模型来帮助新模型训练数据集。考虑到大部分数据或任务是存在相关性的，所以通过迁移学习 ， 可以将已经学到的 参数 分享给新模型从而加快并优化模型的学习不用像之前那样 从头 开始 。

下图为 具有代表性 疾病 的OCT图像及图像识别流程设计

图A： 具有代表性 疾病 的OCT图像

第1 图为 新生血管 CNV，三角箭头显示新生 血管膜 ， 箭头显示视网膜下 积液 。

第2 图为 糖尿病黄斑水肿DME， 箭头 示视网膜内积液所致网膜增厚

第 3 图 为玻璃膜疣 Drusen ，三角箭头示早期AMD中的多发性玻璃膜疣

第4 图 为正常视网膜，中心凹形态正常， 未见 其他 明显 异常病变。

图 B：为实验设计的OCT图像经过标记和分级， 从而 创建迁移学习模型流程图 ， 测试 数据库 只包含初始数据库中具有 足够 的图像质量 和 诊断信息。

实验中所使用OCT 图像 均 为海德堡 Spectrallis OCT 采集， 下图为 医生正在用海德堡OCT进行图像采集 。

下图为医生正在用海德堡浏览端浏览OCT图像 并 进行 示教 演示。

AI可 做到 快速浏览大量图像并进行分类， 但是医学 影像图像的临床解读 仍旧 面临 巨大的挑战 ， AI与 医学影像的结合未来 无极限 ！ 更多精彩介绍， 欢迎 查看 原视频 。

本文 仅供眼科医生学习参考。

Reference: Kermany DS, Goldbaum M, Cai W, et al.Identifying Medical Diagnoses and Treatable Diseases by Image-Based Deep Learning. Cell. 2018 Feb 22;172(5):1122-1131.e9.