​顱內動脈瘤(IA)的破裂通常會導致患者死亡或遭受嚴重傷害，極大地威脅人體健康。據報道，IA在一般人群中的患病率可達6%，且80%的非創傷性蛛網膜下腔出血是由IA破裂引起的。然而，IA目前的檢查和診斷仍費時費力，這容易影響臨床實踐中的診斷精度，尤其是對於小動脈瘤。因此，亟需一種智慧高效的工具來輔助醫生進行IA的診斷。

近日，清華大學腦與認知科學研究院戴瓊海院士團隊在Cell Press細胞出版社旗下Patterns期刊發表了一篇題為“Toward human intervention-free clinical diagnosis of intracranial aneurysm via deep neural network”的文章，提出了一種無需人工干預的IA檢測和分割的深度學習模型(GLIA-Net)。該模型透過定量評價和臨床實驗驗證了其優越的診斷效能，預計將有助於改變腦血管疾病的臨床診斷，實現精確治療，未來也可能改變醫療保健和生物醫學研究的格局。

研究亮點

GLIA-Net是臨床診斷顱內動脈瘤（IA）的一種深度學習方法；

它可以直接應用於採集的CTA影象，而無需任何費力的預處理；

透過臨床研究證明了它在輔助診斷方面的有效性。

研究介紹

顱內動脈瘤(IA)是對人類健康的巨大威脅，往往導致非創傷性蛛網膜下腔出血或預後不良。據統計，IA在一般人群中的患病率可達6%，80%的非創傷性蛛網膜下腔出血是由IA破裂引起的。然而，在醫學影象掃描中，IA尺寸非常小，容易與正常血管混淆，使得專業放射科醫生需要仔細檢查每個病例數百張2D影象切片方能做出評估診斷。近幾十年來，計算機斷層血管造影(CTA)和磁共振血管造影(MRA)技術被應用於IA診斷中，其成本越來越低，成像質量越來越好，但仍需要放射科醫生付出很大的時間和精力以檢測醫學影象中的IA病變。

此研究提出了一種可應用於CTA影象的全自動IA分割深度學習模型——基於全域性定位的IA網路(GLIA-Net)。GLIA-Net包含一個提供全域性風險機率資訊的全域性定位網路和一個高解析度的區域性分割網路，可以將全域性定位先驗同區域性特徵結合起來，生成精細的三維分割結果。同時該模型可以直接用於不同的臨床情景和成像設定中，甚至可以直接分析包含頭頸心掃描的影像，而無需任何預處理程式。

​

​該模型透過定量評價驗證了其逐畫素分割和目標檢測的效能。GLIA-Net在一個大型內部資料集（來自6個機構的1,338例醫學影像 ）和兩個外部資料集上進行訓練和評估。結果表明，在內部測試集上，GLIA-Net可以識別超過80%的IA目標。與其他模型相比，該模型對不同的成像裝置表現出良好的泛化性，效能優異。

透過臨床實驗進一步證明了該模型的臨床應用價值，即輔助放射科醫生診斷IA。在該臨床實驗中，兩組臨床醫生在原始的CTA影象中進行IA診斷，其中一組接受了模型的輔助。結果顯示模型的輔助能夠幫助臨床醫生在幾乎所有的指標中提升他們的診斷表現，並節省診斷時間。

通訊作者團隊介紹

​

戴瓊海院士

​戴瓊海，清華大學自動化系教授，清華大學生命科學學院兼職教授，清華大學資訊學院院長，清華大學腦與認知科學研究院院長，中國工程院院士，中國人工智慧學會理事長。近年來，主持研製了全球視場最大、資料通量最高的多維多尺度高解析度計算攝像國家重大科研儀器，在清醒動物全腦皮層神經元活動和連線觀測等領域取得了系列突破，構建了新型介觀腦觀測技術與儀器體系，支撐腦科學與醫學的新發現，為人工智慧發展提供了新途徑，相關成果先後發表於Nature Photonics, Nature Methods, Nature Machine Intelligence, Patterns等期刊上。

王榮品 主任醫師

​王榮品，醫學博士，主任醫師，博士生導師，省管專家，貴州省人民醫院醫學影像科主任。1995年畢業於遵義醫學院臨床醫學系，2006年獲遵義醫學院影像醫學與核醫學專業碩士學位，2010年獲南方醫科大學影像醫學與核醫學專業博士學位，2014-2015在哈佛醫學院做博士後研究。主要從事心胸及神經影像研究，已發表本專業論文100餘篇，其中第一或通訊作者SCI收錄論文20篇，主編、主譯、參編專著7部，獲省級科技獎2項，廳級科技獎3項。

​

張體江 主任醫師

​張體江，醫學博士，教授、主任醫師(三級），碩士、博士研究生導師，遵義醫科大學附屬醫院副院長，主要從事神經影像研究，主持及完成國家自然科學基金3項，發表論文100餘篇，其中SCI論文13篇，參編教材及專著10部，《中華放射學雜誌》、《放射學實踐》等審稿專家。先後獲貴州省科技進步獎三等獎1項（第1完成人）、貴州省優秀青年科技人才、貴州省政府特殊津貼及貴州省第二屆百優醫師。

徐楓 副教授

​徐楓，清華大學軟體學院副教授，博士生導師。2007年於清華大學物理系獲得理學學士學位、2012年於清華大學自動化係獲得工學博士學位。2012年-2015年就職於微軟亞洲研究院，先後任副研究員、研究員。2015年至今在清華大學任教。

研究方向包括人工智慧、智慧醫療、虛擬/增強現實等。近年來致力於三維重建、人工智慧、大資料技術與醫學、生命科學的交叉問題研究。相關工作發表在Patterns，PRL，ACM Siggraph, ACM Siggraph Asia, CVPR等國際權威期刊和會議上（主頁：http://xufeng.site）。

相關論文資訊

論文原文刊載於CellPress旗下期刊Patterns上

▌論文標題：

Toward human intervention-free clinical diagnosis of intracranial aneurysm via deep neural network

▌論文網址：

https://www.cell.com/patterns/fulltext/S2666-3899(20)30267-1

▌DOI：

https://doi.org/10.1016/j.patter.2020.100197

​