机器人放射学：低成本A.I.可以比人类更好地筛选宫颈癌

人工智能 - 俗称A.I. - 已经超过了人类能力。自驾车使用A.I.比人更安全地执行一些任务。电子商务公司使用A.I.为客户味道的产品广告更快，而且比任何呼吸营销分析师更精确。

并且，很快，A.I.将用于“阅读”生物医学图像比医务人员更准确——比现有方法以更低的成本提供更好的宫颈癌早期检测。

但是，这并不一定意味着放射科医生很快就会失业。

“人类和计算机非常互补，”宾夕法尼亚州伯利恒的Lehigh大学计算机科学与工程副教授Sharon Xialei Huang说。“这就是A.I.是关于。”

Huang指导Lehigh的图像数据仿真和分析实验室，在那里她在与视觉和图形相关的人工智能工作，或者因为她说：“创造能够以人类方式理解图像的技术。”在黄的主要兴趣中，培训计算机以了解生物医学图像。

现在,由于工作10年,黄和她的团队已经创建了一个宫颈癌筛查技术,基于一个非常大的数据集的分析,也有可能执行或比人工解释其他传统筛选结果,如巴氏试验和人乳头状瘤病毒测试成本更低。该技术可用于欠发达国家，那里80%的宫颈癌死亡病例都发生在那里。

研究人员目前正在寻求资金的项目中的下一步，这是使用这种数据驱动检测方法进行临床试验。

一种更准确的筛选工具，成本较低

Huang的筛选系统是建立在基于图像的分类器(一种对数据进行分类的算法)上的，这些分类器是从大量Cervigram图像中构建的。子宫颈造影是通过数字子宫颈造影拍摄的图像，这是一种非侵入性视觉检查方法，可以拍摄子宫颈的照片。当读取图像时，它被设计用来检测宫颈上皮内瘤（CIN），宫颈表面上鳞状细胞的潜在癌前变化和异常生长。

“Cervigrams在资源贫乏地区的筛选工具具有巨大潜力，其中PAP和HPV如PAP和HPV的临床测试太昂贵，”Huang说。“然而，由于目视病变识别和高等疾病之间的相关性差，以及在评级视觉调查结果时，对Cervigrams的总体有效性令人担忧。”

黄先生认为计算机算法可以帮助提高使用视觉信息的评分病变的准确性 - 这是迄今为止的怀疑，证明是正确的。

由于黄的技术已经通过分析了非常大的数据集，因此能够更敏感 - 能够检测到异常 - 以及更具体的（更少的误报），可用于改善发达国家的宫颈癌筛查like the U.S.

Huang说:“我们的方法将是一种有效的、低成本的、有助于降低假阳性的一系列测试的补充，因为它比包括巴氏涂片和HPV测试在内的任何其他筛查方法都提供了10%的灵敏度和特异性。”

将视觉特征和病人资料与癌症联系起来

要确定对癌症筛查最有用的特征，团队创建了手工制作的金字塔特征（识别系统的基本组件） - 调查了称为卷积神经网络（CNN）的共同深度学习框架的性能宫颈病分类。

他们描述了他们的结果一篇文章在三月号的模式识别叫：“用于颈椎发育不良分类的多重特征基准。”研究人员还使用七个经典分类器发布了多特色数据集和广泛的评估在这里。

为了建立筛查工具，黄和她的团队使用了1112名患者的数据，其中345名患者的病变为中度或重度异型增生阳性(被认为是高级别的，有可能发展为癌症)，767名患者的病变为阴性(被认为是低级别的，轻度异型增生通常被免疫系统清除)。

这些数据选自由美国国家癌症研究所收集的大型医疗档案馆，这些资料包括来自10,000名匿名妇女的信息，这些妇女使用多种方法筛选，包括Cervigram，在许多访问中。数据还包含每个患者的诊断和结果。

“我们创建的程序自动分割了在子宫颈照片中看到的组织区域，将图像中的视觉特征与癌前病变的发展联系起来，”黄说。“在实践中，这可能意味着医务人员在分析一个新患者的Cervigram时，可以检索到类似病例的数据——不仅是光学方面，也包括病理方面，因为数据集包含了女性在不同病理阶段的结果信息。”

从研究中：“......关于准确性和灵敏度，我们的手工制作的PLBP-PLAB-PHOG特征描述符，随机林分类器（RF.PLBP-PLAB-PHOG）在实现时，每一次PAP测试或HPV测试都优于每一个PAP测试或HPV测试90％的特异性。当不受90％特异性要求的限制时，我们的图像基分类器可以实现更好的整体精度。例如，我们的微调CNN功能具有Softmax分类器可以实现78.41％的准确度，80.87％默认概率阈值0.5的灵敏度和75.94％的特异性。因此，在这个数据集上，我们的低成本图像的分类器可以比基于广泛使用的PAP和HPV测试的人类解释更媲美或更好......“

根据研究人员的说法，他们的分类器在一个特别重要的区域内实现更高的敏感性：检测中度和严重的发育不良或癌症。

改进成像技术的分类

在黄的其他项目中是一个合作潮州他是里海大学电子和计算机工程助理教授。他们正致力于利用一种被称为光学相干显微镜(OCM)的成熟医学成像技术——眼科最常用的技术——来分析乳腺组织，以产生计算机辅助诊断。他们的分析旨在帮助外科医生在对癌症患者进行手术时，通过提供关于被切除组织健康状况的高度准确、实时的信息，将切除的组织减少到最小。

他们最近进行了可行性研究，其中有希望出版的结果一篇文章在医学图像分析叫：“集成局部二元图案纹理特征，用于通过光学相干显微镜成像的乳房组织分类。”

黄和周使用多尺度和综合图像特征来提高分类准确性，并能够使用OCM图像实现高灵敏度（100％）和特异性（85.2％）的癌症检测。

“赵肇星在新的仪器中做了很多工作 - 提高了生物医学形象的质量，”黄说。“由于他在图像或数据输入上工作 - 我正在研究数据分析或输出的结果，我们的协作是一种自然的契合。”

---

---