基于ACP方法的平行医学图像智能分析及其应用  

ACP-based parallel medical imaging for intelligent analytics and applications

作　　者：王飞跃[1] 金征宇[2] 苟超 沈甜雨 郑文博[4] 王建功 胡振华[5] 张志成 王晓[1] 田捷[5] Wang Feiyue;Jin Zhengyu;Gou Chao;Shen Tianyu;Zheng Wenbo;Wang Jiangong;Hu Zhenhua;Zhang Zhicheng;Wang Xiao;Tian Jie(The State Key Laboratory for Management and Control of Complex System,Institute of Automation,Chinese Academy of Sciences,Beijing 100190,China;Department of Radiology,Peking Union Medical College Hospital,Chinese Academy of Medical Sciences and Peking Union Medical College,Beijing 100730,China;School of Intelligent Systems Engineering,Sun Yat-Sen University,Guangzhou 510275,China;School of Software Engineering,Xi′an Jiaotong University,Xi′an 710049,China;CAS Key Laboratory of Molecular Imaging,Institute of Automation,Chinese Academy of Sciences,Beijing 100190,China;Seventh Medical Center,the General Hospital of the People′s Liberation Army,Beijing 100700,China)

机构地区：[1]中国科学院自动化研究所复杂系统管理与控制国家重点实验室,北京100190 [2]中国医学科学院,北京协和医学院,北京协和医院放射科,100730 [3]中山大学智能工程学院,广州510275 [4]西安交通大学电子信息学部软件学院,710049 [5]中国科学院自动化研究所中国科学院分子影像重点实验室,北京100190 [6]陆军总医院第七医学中心,北京100700

出　　处：《中华放射学杂志》2021年第3期309-315,共7页Chinese Journal of Radiology

摘　　要：近年来,人工智能技术在自然图像分析领域取得了巨大的进展。这些技术也被广泛应用于医学图像领域,以便更好地诊断、治疗疾病和判断预后。然而,由于医学图像在数据标注和专家知识方面的复杂性,使得这些技术的实际应用具有较大的挑战。本文基于ACP方法提出了一个融合医生智慧与计算智能的医学图像分析新框架——平行医学图像。传统的医学图像分析直接从带标注图像中学习模型而不能很好地解释诊断决策,平行医学图像引入了描述智能、预测智能和引导智能来提高模型的泛化能力和诊断的可解释性。我们采用平行闭环优化模型来挖掘并融合医学知识,从而优化辅助诊疗系统。最后,本文以乳腺癌为例探讨了平行医学图像框架在医学图像分析中的实际应用。

关 键 词：平行医学图像 平行智能 辅助诊疗 

分 类 号：R-05[医药卫生] TP18[自动化与计算机技术—控制理论与控制工程] TP391.41[自动化与计算机技术—控制科学与工程]