近日，由西安工業大學趙妙梅、趙何超團隊主導的多學科交叉多專業融合的“火眼金睛”項目在數字醫學影像診斷領域取得重大進展，該技術通過開發“CNN&Transformer”交錯融合算法，成功賦能肺部數字醫學影像精準診斷，為該行業提供創新解決方案。

調研發現，肺部數字醫學影像診斷存在諸多痛點，如：現有CT診斷系統多只能確定病灶位置，不能直接診斷病種，更不能預測病情;現階段雖出現AI醫生，但病人多表達“把胸片直接交給AI不放心”，希望以傳統方式由醫生親自閱片。然而近年來肺部疾病(肺結節、肺部感染等)持續高發，其癥狀和影像學表現多不典型，早期就診率低，易漏診。

突破技術壁壘，打破資源瓶頸，創新解決方案

該團隊科研攻關“空洞卷積神經網絡(CNN)”技術和“動態雙路徑多尺度特征融合(D-DMFF)”技術，研發了可有效提取肺部HRCT圖像中的局部與全局特征的輕量化模型。該模型通過97740張CT圖像訓練和5012張CT圖像的驗證后，沒有明顯的過擬合或欠擬合現象，模型訓練良好，病灶分辨率從原有的1mm提升至0.625mm，分辨力提升了37.5%，準確率高達96.342%。具備低復雜度和高有效性，能夠更準確的識別肺部病變CT圖像。

該項目在試驗階段，從醫生肉眼漏診病人的上萬張HRCT圖像中，額外識別出100余人，有效降低了漏診率。

該項目目前已登記軟件著作權9項、授權發明專利2項、外觀設計專利1項，SCI收錄論文2篇(中科院1篇)、EI收錄論文4篇。

該項目吸引了來自烏茲別克斯坦、塔吉克斯坦和加納國的留學生參與。近期正于國內某大型數據云服務企業洽談合作，未來有望實現云端醫學影像診斷處理，為一帶一路沿線國家提供肺部醫學影像診斷中國方案。

鄭重聲明：本文版權歸原作者所有，轉載文章僅為傳播更多信息之目的，如有侵權行為，請第一時間聯系我們修改或刪除，多謝。