国产96在线|亚洲|国产精品二区高清在线|国产精品自在线～免费|国产日韩3在线观看

推薦

獎(jiǎng)種

2024年度山東婦幼保健協(xié)會(huì)科技進(jìn)步獎(jiǎng)

項(xiàng)目

名稱(chēng)

基于深度學(xué)習(xí)胎兒先天性心臟病超聲篩查關(guān)鍵技術(shù)的研究

推薦

意見(jiàn)

本研究課題完成了山東省醫(yī)藥衛(wèi)生科技發(fā)展計(jì)劃項(xiàng)目“基于深度學(xué)習(xí)胎兒先天性心臟病超聲篩查關(guān)鍵技術(shù)的研究”，發(fā)明了基于變分自編碼器和循環(huán)生成對(duì)抗網(wǎng)絡(luò)的圖像生成方法，解決了先天性心臟病的影像樣本數(shù)量不足問(wèn)題；發(fā)明了基于困難樣本挖掘和度量學(xué)習(xí)的深度學(xué)習(xí)網(wǎng)絡(luò)訓(xùn)練方法，解決了部分困難樣本難以訓(xùn)練的問(wèn)題；提出了基于人工智能的胎兒心臟切面自動(dòng)評(píng)分的方法，解決了胎兒心臟標(biāo)準(zhǔn)切面的準(zhǔn)確判斷難題；提出了基于細(xì)粒度分類(lèi)的深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)，解決了胎兒心臟精細(xì)結(jié)構(gòu)異常識(shí)別難題。本項(xiàng)目實(shí)現(xiàn)了基于人工智能的胎兒先天性心臟病的有效篩查，在量化性能上超越了國(guó)內(nèi)外現(xiàn)有技術(shù)，為實(shí)現(xiàn)先心病的有效早期篩查提供了有力的技術(shù)支撐，促進(jìn)了我國(guó)婦幼保健事業(yè)的完善與發(fā)展。本研究小組科研精神嚴(yán)謹(jǐn)，團(tuán)隊(duì)合作關(guān)系密切，其成果達(dá)到了預(yù)期的指標(biāo)，并有助于科研將來(lái)更進(jìn)一步的深入研究。因此同意參加科技進(jìn)步獎(jiǎng)的申報(bào)。

項(xiàng)目

簡(jiǎn)介

先天性心臟?。ㄏ刃牟。┦翘盒难馨l(fā)育異常導(dǎo)致的先天畸形，是新生兒及嬰幼兒死亡的重要原因之一。中國(guó)先心病檢出率為2.4‰～10.4‰，現(xiàn)有患者約200萬(wàn)，每年新增患者9萬(wàn)至15萬(wàn)。未及時(shí)診治的患兒可能出現(xiàn)心臟肥大、肺動(dòng)脈高壓、智力殘疾等問(wèn)題，因此產(chǎn)前診斷對(duì)提高存活率和降低發(fā)病率至關(guān)重要。超聲影像是胎兒先心病診斷的首選，但檢查難度大，漏診率高。結(jié)合人工智能技術(shù)的輔助篩查有望提高先心病的檢出率，并緩解超聲醫(yī)師供需失衡的問(wèn)題。

在基于深度學(xué)習(xí)的人工智能方法中應(yīng)用于胎兒先天性心臟病的超聲篩查時(shí)，面臨著四個(gè)關(guān)鍵技術(shù)問(wèn)題：首先，先天性心臟病的影像樣本數(shù)量不足，限制了模型的訓(xùn)練效果；其次，部分影像樣本由于復(fù)雜的解剖結(jié)構(gòu)或其他原因較為困難，難以進(jìn)行有效訓(xùn)練；第三，胎兒心臟標(biāo)準(zhǔn)切面的準(zhǔn)確判斷至關(guān)重要，但這一過(guò)程因胎兒的自主運(yùn)動(dòng)和體位變化而存在挑戰(zhàn)；最后，基于人工智能方法的胎兒心臟精細(xì)結(jié)構(gòu)異常識(shí)別依然是一個(gè)技術(shù)難點(diǎn)。針對(duì)這些問(wèn)題，本研究提出了多個(gè)創(chuàng)新性解決方案。首先，發(fā)明了基于變分自編碼器和循環(huán)生成對(duì)抗網(wǎng)絡(luò)的圖像生成方法，解決了影像樣本不足的問(wèn)題；其次，發(fā)明了基于困難樣本挖掘和度量學(xué)習(xí)的深度學(xué)習(xí)網(wǎng)絡(luò)訓(xùn)練方法，提高了對(duì)困難樣本的訓(xùn)練效果；再次，提出來(lái)了基于人工智能的胎兒心臟切面自動(dòng)評(píng)分方法，提升了標(biāo)準(zhǔn)切面判斷的準(zhǔn)確性；最后，提出了基于細(xì)粒度分類(lèi)的深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)，有效應(yīng)對(duì)了胎兒心臟精細(xì)結(jié)構(gòu)異常的識(shí)別問(wèn)題。

通過(guò)綜合對(duì)比，本項(xiàng)目展現(xiàn)了在切面分類(lèi)、圖像質(zhì)量評(píng)估和異常檢測(cè)等方面的顯著優(yōu)勢(shì)。首先，在胎兒心臟切面分類(lèi)方面，模型在各個(gè)切面的識(shí)別中表現(xiàn)最佳，各項(xiàng)指標(biāo)均優(yōu)于現(xiàn)有模型。其次，圖像質(zhì)量評(píng)估實(shí)驗(yàn)中，提出的量化評(píng)估方法能夠通過(guò)分析圖像的背景亮度、心臟ROI面積和位置等因素，精確評(píng)估圖像質(zhì)量，且量化得分更細(xì)致，優(yōu)于醫(yī)師的等級(jí)評(píng)估。最后，切面異常評(píng)估實(shí)驗(yàn)表明，該算法不僅能正確區(qū)分正常與異常圖像，還能提供詳細(xì)的異常概率值和ROI得分，增強(qiáng)了診斷的可解釋性。綜合來(lái)看，本研究提出的方法在量化性能上超越了國(guó)內(nèi)外現(xiàn)有技術(shù)，并提供了更為精細(xì)的分析結(jié)果，可以為胎兒先心病的篩查與診斷提供更加可靠的技術(shù)支持。

本研究授權(quán)發(fā)明專(zhuān)利2項(xiàng)，發(fā)表SCI論文6篇，其他論文8篇。

客觀(guān)

評(píng)價(jià)

本研究課題研究結(jié)合人工智能技術(shù)的輔助篩查有望提高先心病的檢出率，并緩解超聲醫(yī)師供需失衡的問(wèn)題。其創(chuàng)新性及先進(jìn)性主要有：

(1) 發(fā)明了基于變分自編碼器和循環(huán)生成對(duì)抗網(wǎng)絡(luò)的圖像生成方法，解決了先天性心臟病的影像樣本數(shù)量不足問(wèn)題；

(2) 發(fā)明了基于困難樣本挖掘和度量學(xué)習(xí)的深度學(xué)習(xí)網(wǎng)絡(luò)訓(xùn)練方法，解決了部分困難樣本難以訓(xùn)練的問(wèn)題；

(3) 提出了基于人工智能的胎兒心臟切面自動(dòng)評(píng)分的方法，解決了胎兒心臟標(biāo)準(zhǔn)切面的準(zhǔn)確判斷；

(4) 提出了基于細(xì)粒度分類(lèi)的深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)，解決了胎兒心臟精細(xì)結(jié)構(gòu)異常識(shí)別難題，實(shí)現(xiàn)了胎兒先天性心臟病的有效篩查。

本研究針對(duì)基于深度學(xué)習(xí)的胎兒先天性心臟病的超聲篩查關(guān)鍵問(wèn)題開(kāi)展研究，突破了應(yīng)用人工智能技術(shù)解決胎兒先天性心臟病的超聲篩查的四個(gè)關(guān)鍵問(wèn)題，實(shí)現(xiàn)了基于人工智能的胎兒先天性心臟病的有效篩查，為實(shí)現(xiàn)先心病的有效早期篩查提供了技術(shù)支撐，有利于促進(jìn)我國(guó)婦幼保健事業(yè)的完善與發(fā)展，不足之處，胎兒心臟超聲圖像是動(dòng)態(tài)影像，不容易捕捉，不同年資醫(yī)生操作手法不一致，采集的圖像切面不標(biāo)準(zhǔn)，客觀(guān)的造成準(zhǔn)確率下降。

推廣應(yīng)用情況

本項(xiàng)目自2021年在威海市婦幼保健院進(jìn)行了應(yīng)用，尤其對(duì)低年資醫(yī)生和缺乏經(jīng)驗(yàn)的醫(yī)師幫助較大，輔助后提升效果最好，為各級(jí)醫(yī)師制定診療方案提供高效準(zhǔn)確的依據(jù)，降低費(fèi)用等方面有顯著的優(yōu)勢(shì)。

代表性論文

1、Deep learning-based differentiation of ventricular septal defect from tetralogy of Fallot in fetal echocardiography images

2、Ultrasound Speckle Tracking with Deep Convolutional Neural Network

完成人情況

于霞，排名：1，職稱(chēng)：副主任醫(yī)師，工作單位：威海市婦幼保健院，完成單位：威海市婦幼保健院。

主持了山東省醫(yī)藥衛(wèi)生科技發(fā)展計(jì)劃項(xiàng)目，提出了項(xiàng)目的總體思路，設(shè)計(jì)了項(xiàng)目的總體內(nèi)容和架構(gòu)，提出了基于人工智能的胎兒心臟切面自動(dòng)評(píng)分的方法，解決了胎兒心臟標(biāo)準(zhǔn)切面的準(zhǔn)確判斷；合作提出了基于細(xì)粒度分類(lèi)的深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)，解決了胎兒心臟精細(xì)結(jié)構(gòu)異常識(shí)別難題，實(shí)現(xiàn)了胎兒先天性心臟病的有效篩查。以第一作者發(fā)表了多篇論文。

王洪杰，排名：2，職稱(chēng)：高級(jí)工程師，工作單位：威海市婦幼保健院，完成單位：威海市婦幼保健院。

參與了山東省醫(yī)藥衛(wèi)生科技發(fā)展計(jì)劃項(xiàng)目，負(fù)責(zé)數(shù)據(jù)采集和實(shí)驗(yàn)工作，參與了項(xiàng)目的總體內(nèi)容和架構(gòu)設(shè)計(jì)，合作提出了基于細(xì)粒度分類(lèi)的深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)，解決了胎兒心臟精細(xì)結(jié)構(gòu)異常識(shí)別難題，實(shí)現(xiàn)了胎兒先天性心臟病的有效篩查。發(fā)表了多篇論文。

馬立勇，排名：3，職稱(chēng)：教授，行政職務(wù)：檢測(cè)與控制研究中心副主任，工作單位：哈爾濱工業(yè)大學(xué)（威海），完成單位：哈爾濱工業(yè)大學(xué)（威海）。

參與了山東省醫(yī)藥衛(wèi)生科技發(fā)展計(jì)劃項(xiàng)目，負(fù)責(zé)人工智能方法的研究，發(fā)明了基于變分自編碼器和循環(huán)生成對(duì)抗網(wǎng)絡(luò)的圖像生成方法，解決了先天性心臟病的影像樣本數(shù)量不足問(wèn)題；發(fā)明了基于困難樣本挖掘和度量學(xué)習(xí)的深度學(xué)習(xí)網(wǎng)絡(luò)訓(xùn)練方法，解決了部分困難樣本難以訓(xùn)練的問(wèn)題。授權(quán)發(fā)明專(zhuān)利2項(xiàng)，發(fā)表了多篇論文。

潘康寧，排名：4，職稱(chēng):助理工程師，工作單位：威海市婦幼保健院，完成單位：威海市婦幼保健院。

對(duì)本項(xiàng)目的貢獻(xiàn)：主要承擔(dān)項(xiàng)目初期查閱相關(guān)資料并參與課題設(shè)計(jì)，參與課題的資料收集，課題的部分實(shí)驗(yàn)和數(shù)據(jù)統(tǒng)計(jì)。

藍(lán)信強(qiáng)，排名：5，職稱(chēng)：主任技師，工作單位：威海市婦幼保健院，完成單位：威海市婦幼保健院。

對(duì)本項(xiàng)目的貢獻(xiàn)：參與了山東省醫(yī)藥衛(wèi)生科技發(fā)展計(jì)劃項(xiàng)目，主要承擔(dān)項(xiàng)目初期查閱相關(guān)資料并參與課題設(shè)計(jì)，參與課題的資料收集，課題的部分實(shí)驗(yàn)和數(shù)據(jù)統(tǒng)計(jì)。

畢源源，排名：6，職稱(chēng)：主治醫(yī)師，工作單位：威海市婦幼保健院，完成單位：威海市婦幼保健院。

對(duì)本項(xiàng)目的貢獻(xiàn)：參與了山東省醫(yī)藥衛(wèi)生科技發(fā)展計(jì)劃項(xiàng)目，主要承擔(dān)項(xiàng)目初期查閱相關(guān)資料并參與課題設(shè)計(jì)，參與課題的資料收集，課題的部分實(shí)驗(yàn)和數(shù)據(jù)統(tǒng)計(jì)。

黃霞，排名：7，職稱(chēng)：主治醫(yī)師，工作單位：威海市婦幼保健院，完成單位：威海市婦幼保健院。

對(duì)本項(xiàng)目的貢獻(xiàn)：參與了山東省醫(yī)藥衛(wèi)生科技發(fā)展計(jì)劃項(xiàng)目，主要承擔(dān)項(xiàng)目初期查閱相關(guān)資料并參與課題設(shè)計(jì)，參與課題的資料收集，課題的部分實(shí)驗(yàn)和數(shù)據(jù)統(tǒng)計(jì)。

完成單位情況

單位名稱(chēng)：威海市婦幼保健院，排名：1。

完成了山東省醫(yī)藥衛(wèi)生科技發(fā)展計(jì)劃項(xiàng)目，提出了項(xiàng)目的總體思路，設(shè)計(jì)了項(xiàng)目的總體內(nèi)容和架構(gòu)，提出了基于人工智能的胎兒心臟切面自動(dòng)評(píng)分的方法，解決了胎兒心臟標(biāo)準(zhǔn)切面的準(zhǔn)確判斷；提出了基于細(xì)粒度分類(lèi)的深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)，解決了胎兒心臟精細(xì)結(jié)構(gòu)異常識(shí)別難題，實(shí)現(xiàn)了胎兒先天性心臟病的有效篩查。以第一作者發(fā)表了多篇SCI論文。在本項(xiàng)目的研究和推廣過(guò)程中提供了經(jīng)費(fèi)、人員和設(shè)備等條件。

單位名稱(chēng)：哈爾濱工業(yè)大學(xué)（威海），排名：2。

參與了山東省醫(yī)藥衛(wèi)生科技發(fā)展計(jì)劃項(xiàng)目，完成了胎兒先天性心臟病的人工智能方法的研究，發(fā)明了基于變分自編碼器和循環(huán)生成對(duì)抗網(wǎng)絡(luò)的圖像生成方法，解決了先天性心臟病的影像樣本數(shù)量不足問(wèn)題；發(fā)明了基于困難樣本挖掘和度量學(xué)習(xí)的深度學(xué)習(xí)網(wǎng)絡(luò)訓(xùn)練方法，解決了部分困難樣本難以訓(xùn)練的問(wèn)題。授權(quán)發(fā)明專(zhuān)利2項(xiàng)，發(fā)表了多篇SCI論文。在本項(xiàng)目的研究過(guò)程中提供了技術(shù)和人員等條件。