几天前，放射学领域的国际顶级期刊《放射学》（“ Radiology”）发布了电信学院华为云EI创新孵化实验室放射学系联合团队的最新研究成果。华中科技大学和华中科技大学同济医学院附属协和医院：AI算法检测动脉瘤的敏感性高达97.5％，可帮助医生将临床诊断的敏感性提高约10％并将漏诊率降低5％。放射学发布了华为云，华中科技大学等联合医学研究成果。脑动脉瘤是大脑血管的弱化区域。它们是脑血管疾病的三大原因。有泄漏或破裂的危险，有时甚至致命。动脉瘤破裂的风险取决于动脉瘤的大小，形状和位置。因此，脑动脉瘤的检测和特征提取是指导治疗的关键。 CT血管造影（CTA）是目前评估颅内动脉瘤的主要影像学方法。然而，由于脑动脉瘤的体积小和颅内血管的复杂性，即使是专业的放射科医生也需要很长时间来进行诊断。随着时间的流逝，一些小的动脉瘤也可能会丢失。华为云EI创新孵化实验室与华中科技大学电信学院，华中科技大学同济医学院附属协和医院放射科（武汉协和医院）共同开发了一套基于一站式AI开发平台ModelArts的全自动和高度敏感的CTA图像。脑动脉瘤检测算法。该算法的输出将提供诸如动脉瘤存在的可能性，动脉瘤的位置和直径等信息，并在原始CTA图像上勾勒出可疑的动脉瘤。华为云联合团队基于一站式AI开发平台ModelArts对模型进行了训练，并使用534个CT血管造影数据集（包括649个动脉瘤）对其进行了测试。从数据的角度来看，该算法在649个脑动脉瘤中检测到633个，灵敏度为97.5％。该研究还发现了8种新的动脉瘤，在最初的临床评估中被忽略。在这8个动脉瘤中，有6个直径小于3毫米，有2个直径在3至5毫米之间，这表明该算法对于小动脉瘤也非常好。表现。参与联合项目的武汉协和医院放射科医师龙谦博士说：“深度学习算法在检测动脉瘤方面表现出出色的性能。我们发现在最初的临床诊断报告中忽略的极少数动脉瘤被忽略了。深度学习算法成功地将其识别出来。”同时，对另外400个外部数据集的验证结果表明，借助该算法，放射科医生的诊断效率和诊断准确性得到了提高。特别是对于那些经验较少的医生而言，进步最为明显。在AI辅助下，放射科医生对脑动脉瘤的临床诊断敏感性提高了约10％，漏诊率降低了5％。近年来，华为云EI创新孵化实验室致力于解决医疗领域的重大技术问题。相关论文已收录在顶级医学会议的顶级期刊上，并在多个权威性挑战性事件中得到重点报道，例如LUNA-2016，HC-2018，ISLES-2018，MICCAI2019，MICCAI2020等，均达到了行业领先水平。研究结果涉及子宫颈癌筛查，中风分割，心室分割，自动生成平片诊断报告，新的冠状肺炎筛查，动脉瘤检测等领域。