近日，推想醫(yī)療在醫(yī)學(xué)圖像頂級(jí)國(guó)際會(huì)議MICCAI 2022中獲得“肺動(dòng)脈分割”、“氣管及支氣管分割”兩項(xiàng)重要比賽冠軍！

MICCAI是由國(guó)際醫(yī)學(xué)圖像計(jì)算和計(jì)算機(jī)輔助干預(yù)協(xié)會(huì)（Medical Image Computing and Computer Assisted Intervention Society）舉辦，跨醫(yī)學(xué)影像計(jì)算（MIC）和計(jì)算機(jī)輔助介入（CAI）兩個(gè)領(lǐng)域的綜合性學(xué)術(shù)會(huì)議，目前被公認(rèn)為是醫(yī)學(xué)成像計(jì)算、醫(yī)療機(jī)器人、人工智能、輔助介入、計(jì)算生物醫(yī)學(xué)等領(lǐng)域最頂級(jí)的國(guó)際會(huì)議。除學(xué)術(shù)會(huì)議外，其每年舉辦的各大挑戰(zhàn)賽也吸引了國(guó)內(nèi)外專(zhuān)業(yè)人士、頂級(jí)學(xué)府及著名醫(yī)療技術(shù)機(jī)構(gòu)的積極響應(yīng)。

MICCAI2022 PulmonaryArtery

SegmentationChallenge挑戰(zhàn)賽排名

MICCAI 2022 Pulmonary Artery Segmentation Challenge挑戰(zhàn)賽是全球首個(gè)針對(duì)肺動(dòng)脈結(jié)構(gòu)分割的公開(kāi)挑戰(zhàn)賽。在醫(yī)學(xué)圖像分析領(lǐng)域，研究肺動(dòng)脈結(jié)構(gòu)具有重要的臨床意義，肺動(dòng)脈結(jié)構(gòu)的分割有利于量化其形態(tài)變化以診斷肺動(dòng)脈高壓和胸外科手術(shù)。然而，由于肺動(dòng)脈拓?fù)浣Y(jié)構(gòu)的復(fù)雜性，肺動(dòng)脈拓?fù)浣Y(jié)構(gòu)的自動(dòng)分割是一項(xiàng)具有挑戰(zhàn)性的任務(wù)。

在本次競(jìng)賽中，推想醫(yī)療團(tuán)隊(duì)在嚴(yán)格控制運(yùn)行時(shí)間和顯存占用達(dá)到應(yīng)用產(chǎn)品級(jí)的前提下，研發(fā)出針對(duì) CTPA 影像的高效肺動(dòng)脈分割算法，實(shí)現(xiàn)了性能－效率－成本三方面的最佳權(quán)衡，在最終的挑戰(zhàn)賽排行榜中，推想醫(yī)療團(tuán)隊(duì)綜合排名第一。

MICCAI 2022Multi－site， Multi－Domain Airway Tree Modeling 挑戰(zhàn)賽排名

MICCAI 2022 Multi－site， Multi－Domain Airway Tree Modeling 挑戰(zhàn)賽是全球數(shù)據(jù)量最大的肺氣管支氣管自動(dòng)分割挑戰(zhàn)賽。氣管及支氣管分割是分析包括哮喘、支氣管擴(kuò)張和肺氣腫在內(nèi)的肺部疾病的關(guān)鍵步驟�；�于CT的精確分割可以定量測(cè)量氣道尺寸和壁厚，從而可以揭示慢性阻塞性肺�。–OPD）患者的異常情況。此外，支氣管鏡輔助手術(shù)中的導(dǎo)航需要從 CT 圖像中提取患者特定的氣管及支氣管模型，但由于肺氣管及支氣管結(jié)構(gòu)細(xì)粒度，人工注釋耗時(shí)且容易出錯(cuò)，需要高度依賴(lài)臨床醫(yī)生的專(zhuān)業(yè)知識(shí)。

在此次競(jìng)賽中，推想醫(yī)療團(tuán)隊(duì)從臨床產(chǎn)品應(yīng)用的角度出發(fā)，在保證多中心數(shù)據(jù)和多類(lèi)型病灶數(shù)據(jù)魯棒性的基礎(chǔ)上，結(jié)合了公司過(guò)往產(chǎn)品研發(fā)中對(duì)管狀結(jié)構(gòu)分割問(wèn)題的技術(shù)積累，研發(fā)針對(duì) CT 影像的高精度肺氣管支氣管分割算法，以四項(xiàng)指標(biāo)平均94．5分以上的優(yōu)異成績(jī)奪冠。

目前，推想醫(yī)療團(tuán)隊(duì)在胸部解剖結(jié)構(gòu)分割方面的技術(shù)積累重點(diǎn)服務(wù)于推想醫(yī)療胸部三維重建功能的研發(fā)。該功能可以實(shí)現(xiàn)對(duì)肺部 CT 中的肺動(dòng)靜脈、氣管支氣管、肺葉肺段、骨骼等解剖結(jié)構(gòu)的快速精準(zhǔn)分割，進(jìn)而輔助醫(yī)生的分析診斷、治療方案制定以及手術(shù)規(guī)劃導(dǎo)航。推想醫(yī)療近期發(fā)布的AI－4D胸部智能可視化解決方案就是基于薄層CT影像序列，將智能化的空間維度三維重建及時(shí)間維度融合，針對(duì)肺癌早期篩查、精確診斷和治療的一體化智能輔助系統(tǒng)。目前該系統(tǒng)已在多家醫(yī)院的“呼吸科”、“影像科”、“體檢科”等科室廣泛使用，無(wú)縫融入醫(yī)生日常工作流，獲得了各科室醫(yī)生的積極反饋。

在MICCAI 2022會(huì)議期間，推想醫(yī)療兩篇論文被大會(huì)收錄。論文《RPLHR－CT Dataset and Transformer Baseline for Volumetric Super－Resolution from CT Scans》提出了首個(gè)基于 Transformer 進(jìn)行 CT 影像超分辨率的算法，利用自注意力機(jī)制對(duì)上下文信息建模的能力，結(jié)合圖像固有的非局部相似性先驗(yàn)，實(shí)現(xiàn)了從厚層 5mm CT 數(shù)據(jù)到薄層 1mm CT 數(shù)據(jù)的高質(zhì)量重建。

重建薄層數(shù)據(jù)視覺(jué)效果比較

推想醫(yī)療自研算法論文《Transformer Lesion Tracker》提出了一種使用Transformer結(jié)構(gòu)以代替常規(guī)的互相關(guān)計(jì)算，進(jìn)行隨訪病灶跟蹤匹配的方法，避免了歸納偏置。該方法采用了互注意力機(jī)制獲得全局信息，使用基于配準(zhǔn)的解剖學(xué)注意力信息模塊提供先驗(yàn)信息，采取了稀疏特征篩選策略進(jìn)一步優(yōu)化性能減小顯存，最終在公開(kāi)數(shù)據(jù)集上大幅超越現(xiàn)有的多種最先進(jìn)的模型，實(shí)現(xiàn)精準(zhǔn)的病灶跟蹤匹配。

病灶跟蹤匹配網(wǎng)絡(luò)架構(gòu)圖

2022上半年，推想醫(yī)療高質(zhì)量科研成果頻出，表現(xiàn)出卓越的科研和創(chuàng)新能力。這些研究成果對(duì)于加快醫(yī)學(xué)影像AI臨床轉(zhuǎn)化應(yīng)用，推動(dòng)醫(yī)學(xué)影像AI產(chǎn)業(yè)發(fā)展，提高醫(yī)療診斷效率具有重要意義。截止到8月份，推想醫(yī)療發(fā)表SCI／核心／會(huì)議論文250余篇，累計(jì)影響因子648．5分。未來(lái)，推想醫(yī)療將持續(xù)與各方機(jī)構(gòu)攜手，不斷探索AI+醫(yī)療的各種場(chǎng)景和技術(shù)，為醫(yī)療民生作出更多貢獻(xiàn)。