吳恩達團隊最新成果:利用MRNet進行膝關節磁共振成像異常診斷

2020-11-23 雷鋒網

雷鋒網按：本文譯自Stanford ML Group，作者為Nicholas Bien，Pranav Rajpurkar，Robyn L. Ball，Matthew P. Lungren和Andrew Y. Ng等。文章主要介紹了深度學習模型MRNet在膝關節磁共振成像異常檢測上的應用，研究發現，該模型顯著降低了健康患者被誤診為前十字韌帶撕裂的概率。原文連結：stanfordmlgroup.github.io/projects/mrnet/。

在膝關節疾病診斷中，膝關節磁共振（MR）成像是通用的標準方法，而且，相比身體的其他任何部位，膝關節肌肉骨骼的MR檢查頻率更高，檢查結果也要求更加精確。

我們在《PLOS》發表了一項新研究，該研究開發了一種深度學習模型，用來檢測膝關節MRI檢測中的整體性異常和精確性診斷（前十字韌帶（ACL）撕裂和半月板撕裂），我們還評估了向臨床醫生提供該模型預測的臨床價值。

 

考慮下這個膝蓋磁共振檢查，這裡有三個系列（頂行）——你能發現異常嗎？深度學習算法能，它夠識別ACL撕裂（在矢狀序列上看的最清楚）並使用熱圖來定位異常（底行），異常存在證據越多的地方熱圖顏色強度就會越大。

預測系統最主要組成部分是MRNet：它是一個能將三維MRI序列映射到概率的卷積神經網絡（CNN）。

 

MRNet的輸入尺寸為s×3×256×256，其中s是MRI序列中的圖像數量，3是彩色通道數量。首先，每個二維MRI圖像切片會通過一個特徵提取器，得到包含每個切片特徵的s×256×7×7張量。然後利用池化將這些特徵減少到s×256。再然後，我們利用最大池化通過切片獲得一個256維的向量，最後，該向量被傳遞到完全連接層並獲得預測概率。

因為MRNet會為矢狀位T2、冠狀位T1和軸向PD序列都生成預測，所以我們訓練Logistic回歸來對3組預測進行加權，並為每次檢測都生成一個輸出。

隨後，我們測量了普通放射科醫生和外科醫生有無模型輔助下的表現情況。

 

我們選取了史丹福大學醫學中心（3至29年從業經驗，平均12年）的7名執業註冊放射科醫生和2名執業骨科醫生。

整個實驗分為兩次，每次試驗裡9名醫生都需要觀察120張圖片，並對圖片作出診斷。不同的是，一次有模型輔助，一次沒有，每次實驗後的間隔期至少10天。對於有模型輔助的讀片，模型預測會產生3個標籤，每一個都表示陽性診斷的預測概率，比如，有98%的概率是前十字韌帶撕裂，70%的概率是半月板撕裂，99%的是膝關節異常。

我們發現，模型輔助顯著降低了健康患者被誤診為前十字韌帶撕裂的概率。

模型輔助導致ACL特異性平均增加了0.048（4.8%）：每100名健康患者中，大約5名被免於進行不必要的手術。

雖然模型輔助也顯著提高了臨床專家檢測前十字韌帶撕裂和半月板撕裂的準確性，但在通過控制錯誤發現率進行多次比較和調整後，實驗結果反而不再顯著。

 

就其異常檢測，前十字異常撕裂檢測和半月板撕裂檢測這三種檢測而言，該模型本身的AUC為0.937（95％CI 0.895,0.980），0.965（95％CI 0.938,0.994）和0.847（95％CI 0.780,0.914）。

值得注意的是，該模型在檢測內部驗證集上的前十字異常撕裂時具有高度特異性，這表明如果在臨床工作流程中使用這樣的模型，則可能有效地發現前十字異常撕裂。

我們還將模型的表現與普通放射科醫師（無輔助）進行了比較：在異常檢測方面，模型和放射科醫生的表現並無顯著差異，在前十字韌帶撕裂檢測方面，普通放射科醫師比模型的靈敏度更高，而在半月板撕裂檢測中模型有更高的特異性。

另外，我們在來自不同機構的數據集上對MRNet進行了驗證，發現該模型對ACL具有較高的識別能力。

我們從從克羅埃西亞裡耶卡臨床醫院中心獲得了917例檢查的公共數據集，它們都帶有矢狀位T1加權序列和ACL損傷標籤。在183例檢查的外部驗證集上，在斯坦福矢狀位T2加權序列上訓練的MRNet在沒有額外訓練的情況下，在ACL損傷檢測中實現了0.824（95%CI 0.757，0.892）的AUC；在外部數據集其餘部分上訓練的MRNet實現了0.911（95% CI 0.864，0.958）的AUC。

最後，我們很高興能有更多志同道合的人來一起共事並進一步驗證人工智慧醫學成像技術。

異常自動預測和定位可以幫助普通放射科醫生甚至是非放射科臨床醫生（如骨科醫生）為患者解釋醫學成像，而不是等著專門的放射科醫生解釋，這有助於提高解釋效率，減少錯誤，並且有助於診斷質量的標準化，尤其是當專門的放射科醫生資源稀缺的時候。

我們需要更多的研究來評估該模型和其他深度學習模型在臨床環境中的最優組合，也希望能與醫療健康服務提供者合作，一起來研究和驗證醫學成像中的自動人工智慧模型。雷鋒網雷鋒網(公眾號：雷鋒網)雷鋒網

雷鋒網原創文章，未經授權禁止轉載。詳情見轉載須知。

相關焦點

  • 吳恩達團隊最新醫學影像成果:肺炎診斷準確率創新高
    雷鋒網了解到，此前，吳恩達團隊研發出一種深度學習算法，可以診斷14種類型的心律失常。近日，該團隊又出新成果，他們提出了一種名為 CheXNet 的新技術。研究人員表示：新技術已經在識別胸透照片中肺炎等疾病上的準確率上超越了人類專業醫師。研究人員開發的這種全新算法，能夠從胸透照片裡檢測肺炎，且水平超越專業放射科醫生。
  • 吳恩達最新醫學 AI 成果:利用 AI 提高腦動脈瘤檢測準確率,顯著...
    作者 | 李雨晨 　　從百度離職後，吳恩達重新回到史丹福大學繼續進行學術研究，醫療是他最為看重的垂直應用方向之一，兩年的時間裡，吳恩達和團隊陸續發表了多項成果：包括用CNN算法識別肺炎、公布最大醫學影像數據集 MURA等等。　　近日，史丹福大學官網發布了吳恩達團隊的一項最新成果：藉助人工智慧算法，幫助放射科醫師改進腦動脈瘤的診斷。
  • 吳恩達團隊發布最新醫學影像成果,用 CNN 算法識別肺炎
    雷鋒網了解到，此前，吳恩達團隊研發出一種深度學習算法，可以診斷14種類型的心律失常。近日，該團隊又出新成果，他們提出了一種名為 CheXNet 的新技術。研究人員表示：新技術已經在識別胸透照片中肺炎等疾病上的準確率上超越人類專業醫師。研究人員稱，開發的這種算法從胸透照片裡檢測肺炎，且水平超越專業放射科醫生。算法被稱為 CheXNet，它是一個 121 層的卷積神經網絡。
  • 實現快速成像,深圳先進院成果應用在國產高端磁共振成像設備
    讀創/深圳商報記者 袁斯茹「深圳先進院研究團隊通過大數據來學習最優的參數和實現快速在線重建，提出的智能快速成像技術，在獨立數據集的第三方測試中誤差最小，參數量最小，該技術將推動新一代從醫學圖像數據採集到輔助診斷的智能醫學影像全鏈條解決方案的推進和應用
  • 解決磁共振檢查中最棘手的成像問題,全流程AI磁共振技術平臺「智簡...
    GE醫療全球磁共振研發團隊就曾給出數據指出，磁共振檢查中70%時間被成像過程佔據，且一半的磁共振圖像會有偽影。這些問題不僅帶來磁共振檢查速度、流通量的弊端，成像偽影更是讓圖像質量和精準度難以突破，直接影響醫生診斷。
  • 四川科學家團隊腦科學研究成果登上《自然》雜誌 精神疾病也可以拍...
    是世界上歷史悠久的、最有名望的科學雜誌之一，雜誌負責報導和評論全球科技領域裡最重要的突破在腦科學領域，一個四川科學家團隊取得了開創性成果——近日，世界頂級科學雜誌《自然》在報導飛速發展的中國腦科學時，特意用專欄形式介紹了四川大學華西醫院放射科磁共振團隊的研究成果。他們究竟研究了什麼？
  • 西門子推出最新磁共振成像乳腺掃描儀
    這種場強為1.5T的系統是西門子在磁共振成像（MRI）領域的最新創新，具備針對乳腺檢查的專用解決方案。70釐米的大孔徑磁體與以往的系統相比提高了檢查舒適度，尤其是對於肥胖患者和幽閉恐怖症患者而言，在某種情況下，它甚至使這部分群體能夠首次進行磁共振成像檢查。
  • 小腸克羅恩病的X線CT及磁共振成像診斷研究現狀
    本文將對CD的X線、CT、磁共振成像（MRI）診斷現階段的臨床應用及研究進展進行綜述。 1.其掃描速度快，重建層厚薄，胃腸道蠕動及呼吸運動對圖像質量的影響小，並且在小腸對比劑的襯託下，CTE能清楚地觀察到腸黏膜病變異常強化以及小腸壁和腸外情況。因此，CTE已經成為成為評價CD的首選方式。CTE掃描進行以前通常要求受檢者口服對比劑，根據2014年美國腹部放射學協會關於兒童和成人克羅恩病CT成像採集協議的共識聲明，口服對比劑應該大於900ml，並且在掃描前45~60min定期分次給藥。
  • 腦白質高信號磁共振成像研究進展
    diffusion tensor imaging，DTI）是在擴散加權成像（diffusion weighted imaging，DWI）技術的基礎之上發展的一項技術，DTI不僅可以利用水分子運動的方向依賴性無創地顯示腦白質纖維束結構，還可以利用多項參數具體量化白質的微觀結構受損程度。
  • 軟骨延遲增強磁共振成像在關節疾病中的應用
    作者：衛生部中日友好醫院  徐廣春軟骨延遲增強磁共振成像主要原理對於膝關節軟骨，發現造影劑注射後90～120min，Tl值比較穩定，因此，這個時間段被建議為膝關節dGEMRIC成像的窗口時間，髖關節成像的窗口時間稍短，在60～90min左右，所用釓劑一般為雙倍劑量注射，即按體重0.20mmol/kg注射。
  • 磁共振成像能否取代CT成像
    點擊查看 最近有好多患者及其家屬認為磁共振沒有輻射，又顯示的很清楚，還能多方位成像，優點那麼多，不理解為什麼醫生還讓他們來回折騰？做了CT還要做磁共振檢查？做了磁共振還要做CT呢？
  • 內首個多對比度的定量圖譜磁共振成像技術MAGiC在中國正式上市
    > GE醫療5月19日宣布，業內首個多對比度的定量圖譜磁共振成像技術MAGiC在中國正式上市。在操作層面，首次將MR掃描帶入後參數成像時代，操作技師無需進行任何參數調整即可進行掃描，掃描完成之後可以根據具體需求動態調節對比度。MAGiC技術目前搭載在GE最新、最高端的3.0T Pioneer平臺之上，一次掃描只需2分半鐘，就可以獲得全腦定量圖譜。
  • 對自閉症模型小鼠進行的功能磁共振成像掃描可減輕大腦的連通性
    用於進行清醒功能磁共振成像掃描的頭部固定設備。信用：神戶大學由醫學院研究生院的TAKUMI Toru博士（RIKEN腦科學中心團隊負責人）和TSURUGIZAWA Tomokazu博士（法國NeuroSpin / CEA）領導的國際研究小組已成功開發了一種對有意識的小鼠進行fMRI掃描的系統。該方法隨後被用於檢測自閉症模型小鼠的腦網絡功能障礙並監測對社交線索的神經反應。
  • ...美時 射頻線圈 超導線圈 我國醫療 技術 磁共振成像 核磁共振儀...
    當前，在磁共振成像領域，國際知名跨國公司的研發重點集中在將設備特別是磁體越做越大，以提高功能等級，但價格越賣越高。而美時醫療首創的高溫超導線圈技術，則引領了磁共振成像領域低成本、高質量的革命。　　據介紹，美時醫療在核心技術上下工夫，通過改進磁共振核心部件——超導射頻線圈，運用超導線圈技術「四兩撥千斤」，就好比更新手機的天線，或改進相機的鏡頭，實現了在保持原有磁共振磁場強度的條件下，使圖像質量提高２００％－５００％，樹立了磁共振成像的新產業標準。
  • 四川科學家團隊腦科學研究成果登上《自然》雜誌
    近日，世界頂級科學雜誌《自然》在報導飛速發展的中國腦科學時，特意用專欄形式介紹了四川大學華西醫院放射科磁共振團隊的研究成果。7月7日，記者走進四川大學華西醫院臨床磁共振研究中心，聽科學家介紹他們關於大腦的最新成果。
  • 【醫療科普】胎兒磁共振檢查安全嗎?
    超聲檢查在一定程度上也存在不足，需要其他檢查方法加以完善，胎兒磁共振成像（MRI）是超聲檢查的一個重要輔助檢查方法，已成為胎兒超聲檢查的重要補充手段。胎兒磁共振檢查安全嗎？磁共振成像是斷層成像的一種，它利用磁共振現象從人體中獲得電磁信號，並重建出人體信息。
  • GE醫療發布3.0T磁共振新品 SIGNA Pioneer Elite
    國產加持 創新升維北京，2020年8月1日——今天，GE醫療中國發布了其最新的3.0T磁共振產品"SIGNA Pioneer Elite"。基於中國天津本土智造的優勢，該新品在硬體和臨床應用兩方面實現創新升維，採用第二代磁體，實現大孔徑條件下領先的磁場均勻度，給臨床上心臟、腫瘤等複雜慢性病的磁共振影像診斷帶來更為高質量的圖像清晰度和信噪比，有效減少圖像偽影，提升臨床精準診斷和治療水平。
  • 2019年我國磁共振成像行業發展研究
    磁共振成像是一種較新的醫學成像技術，國際上從1982年才正式用於臨床。在近40年的時間裡，磁共振成像技術獲得了長足的發展，已與X線成像、超聲成像、核醫學成像並列構成影像學四大檢查手段。
  • 我國實現人體肺部氣體磁共振快速、高分辨、動態成像
    新華社武漢４月１７日電（記者 李偉）基於自主研發的科學儀器，中科院武漢物理與數學研究所波譜與原子分子物理國家重點實驗室周欣研究團隊，近日提出人體肺部的快速成像新技術，實現了目前最快的肺部氣體磁共振成像高分辨動態採樣速率，為肺部重大疾病的早期診斷提供了新的利器。
  • 學術動態| 解決DBS手術韁核和Gpi靶點顯影難題 瑞金醫院磁共振成像...
    神外前沿訊，2020年9月，上海交通大學醫學院附屬瑞金醫院放射科嚴福華教授團隊和功能神經外科李殿友團隊在磁共振成像領域專業雜誌通過將電極植入腦內特定靶點，如內側蒼白球GPi、韁核Hb，並向核團發送電刺激，以調控異常神經環路，達到治療效果。