騰訊優(yōu)圖實驗室聯(lián)合廣東省肺癌研究所吳一龍教授／鐘文昭教授團隊，與清華大學以及國內(nèi)多家中心呼吸科／放射科團隊等共同開發(fā)了基于卷積神經(jīng)網(wǎng)絡(luò)算法的肺結(jié)節(jié)診斷模型，近日，該初步研究成果已被全球癌癥領(lǐng)域知名醫(yī)學期刊《腫瘤學家》（《The Oncologist》）收錄并全文發(fā)表。

隨著低劑量螺旋CT（LDCT）的普及，檢出了越來越多的肺部結(jié)節(jié)，使患者得以早期診斷，早期手術(shù)臨床治愈率越高。然而，將CT作為篩查手段仍存在較高假陽性率（即CT發(fā)現(xiàn)的結(jié)節(jié)可能不一定是惡性，或是極度惰性生長腫瘤），此外激增的CT分析工作也大大占據(jù)放射科醫(yī)師有限的工作時間和精力。近年來機器學習算法在醫(yī)療領(lǐng)域的大展拳腳（糖尿病視網(wǎng)膜病變／皮膚病／甲狀腺結(jié)節(jié)等），基于卷積神經(jīng)網(wǎng)絡(luò)算法（機器學習算法一類）的肺結(jié)節(jié)診斷模型有望解決這一難題。此次騰訊優(yōu)圖聯(lián)合吳一龍教授／鐘文昭教授團隊及多個中心等推出的基于卷積神經(jīng)網(wǎng)絡(luò)算法的肺結(jié)節(jié)診斷模型，可有望輔助醫(yī)生提高結(jié)節(jié)檢出率的同時兼顧良惡性診斷準確率，大大降低放射科醫(yī)師日常CT讀取工作量，同時使得更多患者能夠及時得到早期治療干預，進一步降低肺癌相關(guān)死亡率。

作為騰訊覓影核心AI技術(shù)的提供方，騰訊優(yōu)圖實驗室將持續(xù)通過騰訊覓影，與更多醫(yī)院及醫(yī)療機構(gòu)展開合作，讓技術(shù)真正應(yīng)用落地。目前，騰訊覓影已與國內(nèi)超過100多家頂級三甲醫(yī)院達成合作，共同推進AI在醫(yī)療領(lǐng)域的研究和應(yīng)用。此外，依托騰訊云的服務(wù)器，騰訊優(yōu)圖具備進行上億規(guī)模的模型訓練及合作接入，為技術(shù)落地提供有力的服務(wù)保障。未來，AI＋醫(yī)學有望在推動各級醫(yī)療系統(tǒng)診斷同質(zhì)化，減輕醫(yī)生工作量，提升診斷準確率和效率方面，發(fā)揮更大的作用。

以下為詳細研究內(nèi)容：

一、分析步驟：

預處理模塊：從CT切片中分離出包含肺組織的圖像區(qū)域，閾值0HU去除無關(guān)組織（骨與軟組織），接著使用自適應(yīng)閾值圖像分割方法，建立3維模型；重建3維圖象為標準化的切片厚度和分辨率，以避免不同CT機器的誤差。

結(jié)節(jié)診斷模塊：建立3D肺結(jié)節(jié)檢測網(wǎng)絡(luò)獲得重建圖象的3D特征；在Pythorch平臺上分兩步訓練CNN（卷積神經(jīng)網(wǎng)絡(luò)）模型，a， （結(jié)節(jié)檢測網(wǎng)絡(luò)），輸入信息包括圖象和相應(yīng)的位置附加信息；b， 根據(jù)第一步的檢測網(wǎng)絡(luò)參數(shù)初始化結(jié)節(jié)診斷網(wǎng)絡(luò)，并對輸出圖象和相關(guān)診斷結(jié)果進行微調(diào)。

輸出模塊：在結(jié)節(jié)診斷網(wǎng)絡(luò)計算出所有結(jié)節(jié)的惡性評分后，對其進行融合以得出最后的圖象級惡性評分。融合圖像級惡性腫瘤評分可用公式Pf＝1（1p1）（1p2）…計算。（1PN），其中P代表結(jié)節(jié)惡性的概率，N代表結(jié)節(jié)的數(shù)目。