您好,歡迎光臨威海市婦幼保健院 | 急診電話:5271299 咨詢熱線(工作日):5271700 行政值班(節(jié)假日、夜間):5271200 母乳喂養(yǎng)熱線:5273700 行風監(jiān)督:5271207 |
根據(jù)山東省婦幼保健協(xié)會相關規(guī)定,我院擬推薦《基于深度學習胎兒先天性心臟病超聲篩查關鍵技術的研究》項目申報2024年度山東婦幼保健協(xié)會科技進步獎,現(xiàn)將推薦獎種、項目名稱、推薦意見、項目簡介、客觀評價、推廣應用情況、代表性論文目錄、完成人情況(包括姓名、排名、職稱、行政職務、工作單位、完成單位,對本項目的貢獻)、完成單位情況(包括單位名稱、排名、對本項目貢獻)等信息予以公示,公示期為5個工作日(2024年8月22日至2024年8月28日)。
公示期間,對公示內(nèi)容持有異議的,請在公示期內(nèi)以書面的方式提出。異議應認真負責,實事求是,內(nèi)容和理由應具體明確,且附旁證材料。為保證異議處理的客觀、公開,便于核實、查證,異議提出者應標明真實身份。異議意見請以書面形式送達科教科,聯(lián)系電話0631-5271501。
附件:項目公示內(nèi)容
科教科
2024年8月22日
項目公示內(nèi)容
推薦 獎種 |
2024年度山東婦幼保健協(xié)會科技進步獎 |
項目 名稱 |
基于深度學習胎兒先天性心臟病超聲篩查關鍵技術的研究 |
推薦 意見 |
本研究課題完成了山東省醫(yī)藥衛(wèi)生科技發(fā)展計劃項目“基于深度學習胎兒先天性心臟病超聲篩查關鍵技術的研究”,發(fā)明了基于變分自編碼器和循環(huán)生成對抗網(wǎng)絡的圖像生成方法,解決了先天性心臟病的影像樣本數(shù)量不足問題;發(fā)明了基于困難樣本挖掘和度量學習的深度學習網(wǎng)絡訓練方法,解決了部分困難樣本難以訓練的問題;提出了基于人工智能的胎兒心臟切面自動評分的方法,解決了胎兒心臟標準切面的準確判斷難題;提出了基于細粒度分類的深度學習網(wǎng)絡結(jié)構(gòu),解決了胎兒心臟精細結(jié)構(gòu)異常識別難題。本項目實現(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內(nèi)外現(xiàn)有技術,為實現(xiàn)先心病的有效早期篩查提供了有力的技術支撐,促進了我國婦幼保健事業(yè)的完善與發(fā)展。本研究小組科研精神嚴謹,團隊合作關系密切,其成果達到了預期的指標,并有助于科研將來更進一步的深入研究。因此同意參加科技進步獎的申報。 |
項目 簡介 |
先天性心臟?。ㄏ刃牟。┦翘盒难馨l(fā)育異常導致的先天畸形,是新生兒及嬰幼兒死亡的重要原因之一。中國先心病檢出率為2.4‰~10.4‰,現(xiàn)有患者約200萬,每年新增患者9萬至15萬。未及時診治的患兒可能出現(xiàn)心臟肥大、肺動脈高壓、智力殘疾等問題,因此產(chǎn)前診斷對提高存活率和降低發(fā)病率至關重要。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)師供需失衡的問題。 在基于深度學習的人工智能方法中應用于胎兒先天性心臟病的超聲篩查時,面臨著四個關鍵技術問題:首先,先天性心臟病的影像樣本數(shù)量不足,限制了模型的訓練效果;其次,部分影像樣本由于復雜的解剖結(jié)構(gòu)或其他原因較為困難,難以進行有效訓練;第三,胎兒心臟標準切面的準確判斷至關重要,但這一過程因胎兒的自主運動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結(jié)構(gòu)異常識別依然是一個技術難點。針對這些問題,本研究提出了多個創(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)生成對抗網(wǎng)絡的圖像生成方法,解決了影像樣本不足的問題;其次,發(fā)明了基于困難樣本挖掘和度量學習的深度學習網(wǎng)絡訓練方法,提高了對困難樣本的訓練效果;再次,提出來了基于人工智能的胎兒心臟切面自動評分方法,提升了標準切面判斷的準確性;最后,提出了基于細粒度分類的深度學習網(wǎng)絡結(jié)構(gòu),有效應對了胎兒心臟精細結(jié)構(gòu)異常的識別問題。 通過綜合對比,本項目展現(xiàn)了在切面分類、圖像質(zhì)量評估和異常檢測等方面的顯著優(yōu)勢。首先,在胎兒心臟切面分類方面,模型在各個切面的識別中表現(xiàn)最佳,各項指標均優(yōu)于現(xiàn)有模型。其次,圖像質(zhì)量評估實驗中,提出的量化評估方法能夠通過分析圖像的背景亮度、心臟ROI面積和位置等因素,精確評估圖像質(zhì)量,且量化得分更細致,優(yōu)于醫(yī)師的等級評估。最后,切面異常評估實驗表明,該算法不僅能正確區(qū)分正常與異常圖像,還能提供詳細的異常概率值和ROI得分,增強了診斷的可解釋性。綜合來看,本研究提出的方法在量化性能上超越了國內(nèi)外現(xiàn)有技術,并提供了更為精細的分析結(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支持。 本研究授權發(fā)明專利2項,發(fā)表SCI論文6篇,其他論文8篇。 |
客觀 評價 |
本研究課題研究結(jié)合人工智能技術的輔助篩查有望提高先心病的檢出率,并緩解超聲醫(yī)師供需失衡的問題。其創(chuàng)新性及先進性主要有: (1) 發(fā)明了基于變分自編碼器和循環(huán)生成對抗網(wǎng)絡的圖像生成方法,解決了先天性心臟病的影像樣本數(shù)量不足問題; (2) 發(fā)明了基于困難樣本挖掘和度量學習的深度學習網(wǎng)絡訓練方法,解決了部分困難樣本難以訓練的問題; (3) 提出了基于人工智能的胎兒心臟切面自動評分的方法,解決了胎兒心臟標準切面的準確判斷; (4) 提出了基于細粒度分類的深度學習網(wǎng)絡結(jié)構(gòu),解決了胎兒心臟精細結(jié)構(gòu)異常識別難題,實現(xiàn)了胎兒先天性心臟病的有效篩查。 本研究針對基于深度學習的胎兒先天性心臟病的超聲篩查關鍵問題開展研究,突破了應用人工智能技術解決胎兒先天性心臟病的超聲篩查的四個關鍵問題,實現(xiàn)了基于人工智能的胎兒先天性心臟病的有效篩查,為實現(xiàn)先心病的有效早期篩查提供了技術支撐,有利于促進我國婦幼保健事業(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準,客觀的造成準確率下降。 |
推廣應用情況 |
本項目自2021年在威海市婦幼保健院進行了應用,尤其對低年資醫(yī)生和缺乏經(jīng)驗的醫(yī)師幫助較大,輔助后提升效果最好,為各級醫(yī)師制定診療方案提供高效準確的依據(jù),降低費用等方面有顯著的優(yōu)勢。 |
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: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)展計劃項目,提出了項目的總體思路,設計了項目的總體內(nèi)容和架構(gòu),提出了基于人工智能的胎兒心臟切面自動評分的方法,解決了胎兒心臟標準切面的準確判斷;合作提出了基于細粒度分類的深度學習網(wǎng)絡結(jié)構(gòu),解決了胎兒心臟精細結(jié)構(gòu)異常識別難題,實現(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:高級工程師,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)展計劃項目,負責數(shù)據(jù)采集和實驗工作,參與了項目的總體內(nèi)容和架構(gòu)設計,合作提出了基于細粒度分類的深度學習網(wǎng)絡結(jié)構(gòu),解決了胎兒心臟精細結(jié)構(gòu)異常識別難題,實現(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:教授,行政職務:檢測與控制研究中心副主任,工作單位:哈爾濱工業(yè)大學(威海),完成單位:哈爾濱工業(yè)大學(威海)。 參與了山東省醫(yī)藥衛(wèi)生科技發(fā)展計劃項目,負責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)生成對抗網(wǎng)絡的圖像生成方法,解決了先天性心臟病的影像樣本數(shù)量不足問題;發(fā)明了基于困難樣本挖掘和度量學習的深度學習網(wǎng)絡訓練方法,解決了部分困難樣本難以訓練的問題。授權發(fā)明專利2項,發(fā)表了多篇論文。 |
|
潘康寧,排名:4,職稱: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。 對本項目的貢獻:主要承擔項目初期查閱相關資料并參與課題設計,參與課題的資料收集,課題的部分實驗和數(shù)據(jù)統(tǒng)計。 |
|
藍信強,排名:5,職稱: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。 對本項目的貢獻:參與了山東省醫(yī)藥衛(wèi)生科技發(fā)展計劃項目,主要承擔項目初期查閱相關資料并參與課題設計,參與課題的資料收集,課題的部分實驗和數(shù)據(jù)統(tǒng)計。 |
|
畢源源,排名:6,職稱: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。 對本項目的貢獻:參與了山東省醫(yī)藥衛(wèi)生科技發(fā)展計劃項目,主要承擔項目初期查閱相關資料并參與課題設計,參與課題的資料收集,課題的部分實驗和數(shù)據(jù)統(tǒng)計。 |
|
黃霞,排名:7,職稱: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。 對本項目的貢獻:參與了山東省醫(yī)藥衛(wèi)生科技發(fā)展計劃項目,主要承擔項目初期查閱相關資料并參與課題設計,參與課題的資料收集,課題的部分實驗和數(shù)據(jù)統(tǒng)計。 |
|
完成單位情況 |
單位名稱: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)展計劃項目,提出了項目的總體思路,設計了項目的總體內(nèi)容和架構(gòu),提出了基于人工智能的胎兒心臟切面自動評分的方法,解決了胎兒心臟標準切面的準確判斷;提出了基于細粒度分類的深度學習網(wǎng)絡結(jié)構(gòu),解決了胎兒心臟精細結(jié)構(gòu)異常識別難題,實現(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。在本項目的研究和推廣過程中提供了經(jīng)費、人員和設備等條件。 |
單位名稱:哈爾濱工業(yè)大學(威海),排名:2。 參與了山東省醫(yī)藥衛(wèi)生科技發(fā)展計劃項目,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)生成對抗網(wǎng)絡的圖像生成方法,解決了先天性心臟病的影像樣本數(shù)量不足問題;發(fā)明了基于困難樣本挖掘和度量學習的深度學習網(wǎng)絡訓練方法,解決了部分困難樣本難以訓練的問題。授權發(fā)明專利2項,發(fā)表了多篇SCI論文。在本項目的研究過程中提供了技術和人員等條件。 |