HomeProjects生物醫學及保健科技自動化醫療影像分析

自動化醫療影像分析

項目簡介

項目負責人

  • 王平安教授

    計算機科學與工程學系

  • 資助機構

    大學科技初創企業資助計劃

  • 合作夥伴

    聯科集團

    拜耳

  • 專利

    Filed

Lung-Sight

肺部小結節放射影像人工智能分析系統

基於神經網絡技術自動檢測肺結節病變

肺癌是全球癌症死亡率最高的疾病之一。放射治療師或醫生要從醫學影像中檢查肺部有沒有腫瘤,不但枯燥乏味,而且極之費時。我們提出基於深度學習技術的自動化解決方案,利用三維卷積神經網絡,從低幅射劑量電腦斷層掃描影像中自動檢測肺部的小結節。篩查的時間和成本將顯著降低,有助及早診斷及治療肺癌。

  • 我們提出的方案包含兩部分內容:1)可疑位置查找; 2)假陽性排除。
  • 有別於之前的深度學習方案,我們採用先進的訓練技巧,解決數據當中易測樣本與難測樣本數量不平均的問題,並增強模型的優化程度,從而提高模型的自動識別能力。

 

Breast-Histo Sight

乳腺癌轉移病理影像人工智能分析系統

基於深度學習技術從乳腺癌病理影像中自動檢測乳腺癌轉移

淋巴結轉移是診斷乳腺癌的關鍵指標,但目前的組織切片病理分析大多依賴病理醫生的檢測和判斷,需時長且成本高。我們提出基於深度學習技術的自動化解決方案,可以從組織切片中準確快速檢測有絲分裂細胞,輔助乳腺癌的診斷。

基於深度學習技術的解決方案包含兩部分:

  • 首先,使用全卷績技術對組織切片全圖進行粗略但高靈敏度的篩查,篩查出有絲分裂細胞。
  • 然後,使用具有高分辨能力的神經網絡從篩查對象中遴選出淋巴結轉移的真實位置。

 

Cervix-Sight

TCT 宫頸癌人工智能篩查系統

自動篩選數碼化的宮頸細胞塗片中的疑似病變细胞

宮頸癌是女性最常見的癌症之一。雖然如此,只要通過篩查,宮頸癌是目前唯一可於早期發現便能治癒的婦科癌症,因此,早期篩查發現宮頸癌前病變是防治宮頸癌的關鍵環節。本技術是基於卷積神經網絡、針對宮頸癌液基薄層細胞檢測Thinprep Cytologic Test (TCT)的深度學習技術。

  • 本系統會自動對數字化宮頸細胞塗片中的疑似病變细胞,進行篩選和亞型分類。
癌細胞的檢測及可視化
透過神經網路技術預測肺結節病變
基於深度學習技術從乳腺癌病理切片中檢測癌症轉移區域

Do you like our project?

MORE TO EXPLORE