基于人工智能的多发脑转移瘤自动检测与分割系统

一、成果概述： （简要说明成果是什么，以便技术受让方了解项目概况） 脑转移瘤是颅外恶性肿瘤，累及脑实质、脑脊膜、脑神经和颅内血管的转移性肿瘤。约25%-40%的脑外恶性肿瘤在病程中将发生脑转移，常见的原发肿瘤为肺癌、乳腺癌、恶性黑色素瘤等。随着我国恶性肿瘤发病率的升高，脑转移的发生率也急剧升高。对脑转移瘤的精确检测和分割是临床治疗中的必要步骤。此外，基于转移瘤分割结果，可建立脑组织空间构象，确立正常器官、肿瘤靶区及水肿区的空间分布规律，指导脑转移瘤转移位置的搜寻及预测，对于早期发现、治疗脑转移瘤具有重要意义。随着MR图像在临床诊断中的广泛应用，脑转移瘤的识别率增加。但是，手动描绘很耗时，而且通常无法再现。而目前自动分割算法受限于个体间及个体内肿瘤形状、大小不规则等因素，准确度较低。团队开发了基于人工智能——两阶段深度学习模型的多发脑转移瘤精准检测与分割系统，可应用于基于MRI图像的脑转移瘤放射计划制定、伽马刀手术治疗、立体定向活检术计划等临床诊断中，辅助医生提高脑转移瘤诊断效率和精确度。

二、技术特点及技术指标： （突出与国内外同行的比较优势或区别）图1 基于人工智能多发脑转移瘤精准检测与分割系统 （成果发表在肿瘤学顶级期刊Neuro-Oncology，IF=10.2） 基于人工智能的多发脑转移瘤自动检测与分割系统包括检测和分割两个阶段。初步成果已应用于自2016年1月至2019年5月收集的来自山东省立医院、青岛大学附属医院、山东大学附属第二医院的3D-Tl-MPRAGE图像中，对于每个病人的诊断时间仅需24秒，其中，4秒检测、20秒分割，并且取得了100%的检测率，以及85%的分割准确率。是目前相关研究中，效果最优的。

三、应用领域： （主要面向的行业产业、技术已在领域应用的概述以及取得成效，还可在领域应用的前景等） 主要面向医学肿瘤图像数据分析，辅助放射治疗等。此系统已在山东省立医院的伽马刀手术治疗和立体定向活检术中应用并取得成效，并获得美国MD安德森癌症中心Jing Li教授的正面评述。随着海量医学图像数据的积累，基于人工智能的医学图像分析系统具有广泛应用前景，此系统还可用于脑部其他肿瘤，如胶质瘤，脑部狭小器官，如海马体，危及器官等检测与分割、定量分析中，围绕山东省新旧动能转换重大工程中新一代信息技术和医养健康，服务于我省的智能精准医学和信息医学建设。

四、投入需求： （需要技术需求方投入的资金、场地、设施等条件） 1. 需要技术需求方提供机房放置处理器等 2. 需要提供配置不低于型号：Tesla V100-PCIE-32GB [32GB]；硬盘：150G；CPU：Intel Xeon E5 V3 2600，16线程的GPU服务器4-8个。

多发脑转移瘤存在极小肿瘤（仅Irw）（图2（1）），一个病人多发几十处（图2（2）），药物治疗前后同一病人肿瘤位置、大小、个数发生变化（图2（3）），在上述困难下，系统检测率J%，准确度一，医生确认足以辅助临床诊断。

一、成果概述：（简要说明成果是什么，以便技术受让方了解项目概况）

脑转移瘤是颅外恶性肿瘤，累及脑实质、脑脊膜、脑神经和颅内血管的转移性肿瘤，约25%-40%的脑外恶性肿瘤在病程中将发生脑转移，常见的原发肿瘤为肺癌、乳腺癌、恶性黑色素瘤等。随着我国恶性肿瘤发病率的升高，脑转移的发生率也急剧升高。对脑转移瘤的精确检测和分割是临床治疗中的必要步骤。此外，基于转移瘤分割结果，可建立脑组织空间构象，确立正常器官、肿瘤靶区及水肿区的空间分布规律，指导脑转移瘤转移位置的搜寻及预测，对于早期发现、治疗脑转移瘤 具有重要意义。随着MR图像在临床诊断中的广泛应用使得脑转移瘤的识别率增加。 但是，手动描绘很耗时，而且通常无法再现。而目前自动分割算法受限于个体间及 个体内肿瘤形状、大小不规则等因素，准确度较低。团队开发了基于人工智能—— 两阶段深度学习模型的多发脑转移瘤精准检测与分割系统，可应用于基于MRI图像 的脑转移瘤放射计划制定、伽马刀手术治疗、立体定向活检术计划等临床诊断中， 辅助医生提高脑转移瘤诊断效率和精确度。

二、技术特点及技术指标：（突出与国内外同行的比较优势或区别）