乳房攝影病變偵測與辨識技術 Lesion detection and recognition for Mammography

2019-12-23 15:24:34

近年來人工智慧在影像辨識取得巨大的突破,帶起了新一波AI研發的熱潮。人工智慧不需要專家挑選特徵,可自行學習並理解潛藏的原理,因此在醫療領域也炙手可熱。而現行乳房攝影輔助辨識軟體(CADe)臨床功能有限,且篩檢之偽陽性過高,放射科醫師多半不予採信,因此現行CADe並不能有效減低醫師之負擔。資策會以「乳房攝影病變偵測與辨識技術」透過電腦視覺、機器學習與深度學習技術,學習專業放射科醫師辨識能力,減少放射科醫師的眼力消耗,並降低個案判讀時間。

解決問題

近年來人工智慧在影像辨識取得巨大的突破,帶起了新一波AI研發的熱潮。人工智慧不需要專家挑選特徵,可自行學習並理解潛藏的原理,因此在醫療領域也炙手可熱

乳房攝影方面,由於我國現已提供45歲以上婦女每兩年免費乳房篩檢,篩檢人數眾多。而現行乳房攝影輔助辨識軟體(CADe)臨床功能有限,且篩檢之偽陽性過高,放射科醫師多半不予採信,因此現行CADe並不能有效減低醫師之負擔

產品特色&優勢

「乳房攝影病變偵測與辨識技術」透過電腦視覺、機器學習與深度學習技術,學習專業放射科醫師辨識能力,自動判讀影像中的病徵資訊與類型,提示醫生需要特別注意之處,減少放射科醫師的眼力消耗,並降低個案判讀時間。其功能特性如下:

1.可偵測乳房攝影影像中之腫塊、鈣化、微鈣化、結構變形及局部不稱之病灶,並評定其惡性程度,給予該案例篩查後處置建議

2.腫塊、鈣化之偵測及辨識指標已達靈敏度(Sensitivity)85% 時特異度(Specificity)85%以上

3.可持續學習影像資料,優化辨識能力

4.與國內醫學中心合作,累積10位以上乳篩放射專科醫師經驗,偵測準確度接近醫師平均值

5.將偵測結果以JSON格式儲存,方便檢閱與整合

應用領域 

1.輔助醫師進行醫療影像分析,提醒可疑病變,降低醫師閱片時間

2.將技術雲端服務化,可提供個人乳房攝影判讀服務成為 Second Opinion

3.可用於醫院的案例派發系統,透過本技術判斷惡性程度來決定案例處理的優先順序

4.可整合於醫師的乳房攝影報告系統,預先產出部分報告內容,大幅減少醫師繕打報告之時間

 

圖說:醫療影像標記與模型訓練流程

圖說:醫療影像標記工具


>> 前往乳房攝影病變偵測與辨識技術 Lesion detection and recognition for Mammography