医学图像人工智能分析背景介绍 医学图像人工智能分析是在海量医学影像、数字病理图像等数据的基础上,利用人工智能技术,得到蕴含在这些大数据中的深层定量特征,用于指导基础生物医学研究和临床应用。针对肿瘤等重大疾病,医学图像人工智能分析的挑战性科学问题主要包括两个:针对成像过程中由成像设备和方案导致的图像质量下降问题,如何利用基于人工智能的图像后处理技术,提升图像质量;针对肿瘤基因异质性引起临床诊断假阴性率和假阳性率高的问题,如何利用人工智能技术定量评估肿瘤异质性,提高癌症诊断和预后预测的精准度。实验室通过医工交叉和自主创新,针对影像、病理等大数据,形成了一条从医学图像质量提升到医学图像标志物构建的研究主线。 基于多参数磁共振和深度学习的肿瘤无远处转移生存期预测 注意力引导多参数磁共振深度特征融合 实现辅助治疗争议患者的远处转移风险分层 相较常规临床指标预测精度提升18%,有望辅助术后治疗方案决策。 基于全视野数字病理图像和深度学习的肿瘤总生存期预测 肿瘤突变负荷引导病理图像深度特征融合 TMB精准预测下的总生存期显著分层 相较常规临床指标预测精度提升18%,有望辅助术后治疗方案决策。