近日，推想醫(yī)療在醫(yī)學圖像頂級國際會議MICCAI 2022中獲得“肺動脈分割”、“氣管及支氣管分割”兩項重要比賽冠軍！

MICCAI是由國際醫(yī)學圖像計算和計算機輔助干預(yù)協(xié)會（Medical Image Computing and Computer Assisted Intervention Society）舉辦，跨醫(yī)學影像計算（MIC）和計算機輔助介入（CAI）兩個領(lǐng)域的綜合性學術(shù)會議，目前被公認為是醫(yī)學成像計算、醫(yī)療機器人、人工智能、輔助介入、計算生物醫(yī)學等領(lǐng)域最頂級的國際會議。除學術(shù)會議外，其每年舉辦的各大挑戰(zhàn)賽也吸引了國內(nèi)外專業(yè)人士、頂級學府及著名醫(yī)療技術(shù)機構(gòu)的積極響應(yīng)。

MICCAI2022 PulmonaryArtery

SegmentationChallenge挑戰(zhàn)賽排名

MICCAI 2022 Pulmonary Artery Segmentation Challenge挑戰(zhàn)賽是全球首個針對肺動脈結(jié)構(gòu)分割的公開挑戰(zhàn)賽。在醫(yī)學圖像分析領(lǐng)域，研究肺動脈結(jié)構(gòu)具有重要的臨床意義，肺動脈結(jié)構(gòu)的分割有利于量化其形態(tài)變化以診斷肺動脈高壓和胸外科手術(shù)。然而，由于肺動脈拓撲結(jié)構(gòu)的復(fù)雜性，肺動脈拓撲結(jié)構(gòu)的自動分割是一項具有挑戰(zhàn)性的任務(wù)。

在本次競賽中，推想醫(yī)療團隊在嚴格控制運行時間和顯存占用達到應(yīng)用產(chǎn)品級的前提下，研發(fā)出針對 CTPA 影像的高效肺動脈分割算法，實現(xiàn)了性能－效率－成本三方面的最佳權(quán)衡，在最終的挑戰(zhàn)賽排行榜中，推想醫(yī)療團隊綜合排名第一。

MICCAI 2022Multi－site， Multi－Domain Airway Tree Modeling 挑戰(zhàn)賽排名

MICCAI 2022 Multi－site， Multi－Domain Airway Tree Modeling 挑戰(zhàn)賽是全球數(shù)據(jù)量最大的肺氣管支氣管自動分割挑戰(zhàn)賽。氣管及支氣管分割是分析包括哮喘、支氣管擴張和肺氣腫在內(nèi)的肺部疾病的關(guān)鍵步驟�；�于CT的精確分割可以定量測量氣道尺寸和壁厚，從而可以揭示慢性阻塞性肺�。–OPD）患者的異常情況。此外，支氣管鏡輔助手術(shù)中的導航需要從 CT 圖像中提取患者特定的氣管及支氣管模型，但由于肺氣管及支氣管結(jié)構(gòu)細粒度，人工注釋耗時且容易出錯，需要高度依賴臨床醫(yī)生的專業(yè)知識。

在此次競賽中，推想醫(yī)療團隊從臨床產(chǎn)品應(yīng)用的角度出發(fā)，在保證多中心數(shù)據(jù)和多類型病灶數(shù)據(jù)魯棒性的基礎(chǔ)上，結(jié)合了公司過往產(chǎn)品研發(fā)中對管狀結(jié)構(gòu)分割問題的技術(shù)積累，研發(fā)針對 CT 影像的高精度肺氣管支氣管分割算法，以四項指標平均94．5分以上的優(yōu)異成績奪冠。

目前，推想醫(yī)療團隊在胸部解剖結(jié)構(gòu)分割方面的技術(shù)積累重點服務(wù)于推想醫(yī)療胸部三維重建功能的研發(fā)。該功能可以實現(xiàn)對肺部 CT 中的肺動靜脈、氣管支氣管、肺葉肺段、骨骼等解剖結(jié)構(gòu)的快速精準分割，進而輔助醫(yī)生的分析診斷、治療方案制定以及手術(shù)規(guī)劃導航。推想醫(yī)療近期發(fā)布的AI－4D胸部智能可視化解決方案就是基于薄層CT影像序列，將智能化的空間維度三維重建及時間維度融合，針對肺癌早期篩查、精確診斷和治療的一體化智能輔助系統(tǒng)。目前該系統(tǒng)已在多家醫(yī)院的“呼吸科”、“影像科”、“體檢科”等科室廣泛使用，無縫融入醫(yī)生日常工作流，獲得了各科室醫(yī)生的積極反饋。

在MICCAI 2022會議期間，推想醫(yī)療兩篇論文被大會收錄。論文《RPLHR－CT Dataset and Transformer Baseline for Volumetric Super－Resolution from CT Scans》提出了首個基于 Transformer 進行 CT 影像超分辨率的算法，利用自注意力機制對上下文信息建模的能力，結(jié)合圖像固有的非局部相似性先驗，實現(xiàn)了從厚層 5mm CT 數(shù)據(jù)到薄層 1mm CT 數(shù)據(jù)的高質(zhì)量重建。

重建薄層數(shù)據(jù)視覺效果比較

推想醫(yī)療自研算法論文《Transformer Lesion Tracker》提出了一種使用Transformer結(jié)構(gòu)以代替常規(guī)的互相關(guān)計算，進行隨訪病灶跟蹤匹配的方法，避免了歸納偏置。該方法采用了互注意力機制獲得全局信息，使用基于配準的解剖學注意力信息模塊提供先驗信息，采取了稀疏特征篩選策略進一步優(yōu)化性能減小顯存，最終在公開數(shù)據(jù)集上大幅超越現(xiàn)有的多種最先進的模型，實現(xiàn)精準的病灶跟蹤匹配。

病灶跟蹤匹配網(wǎng)絡(luò)架構(gòu)圖

2022上半年，推想醫(yī)療高質(zhì)量科研成果頻出，表現(xiàn)出卓越的科研和創(chuàng)新能力。這些研究成果對于加快醫(yī)學影像AI臨床轉(zhuǎn)化應(yīng)用，推動醫(yī)學影像AI產(chǎn)業(yè)發(fā)展，提高醫(yī)療診斷效率具有重要意義。截止到8月份，推想醫(yī)療發(fā)表SCI／核心／會議論文250余篇，累計影響因子648．5分。未來，推想醫(yī)療將持續(xù)與各方機構(gòu)攜手，不斷探索AI+醫(yī)療的各種場景和技術(shù)，為醫(yī)療民生作出更多貢獻。