转化供给
上海医药卫生技术转移服务平台科技项目供给委托登记表
|
供给项目编号：202311261559267175
|
|
|
|
项目名称：明辨“事肺”——基于CT影像的肺癌AI智能诊疗分析系统
|
填表日期：
2023/11/26
|
|
|
项目关键词：肺癌智能诊断
|
|
|
|
项目所属领域：
其它类医疗器械
|
|
|
|
项目所属学科分类号：
医学影像学
|
基本项目情况
项目转移意向
|
☑转化
|
|
□转让: 参考价格:
万元
|
|
□许可:独占许可：万元；排他许可：万元；普通许可：万元
|
|
□合作:
|
|
□其他转化方式:
|
项目技术可行性分析
|
项目简介（背景、创新点及实施情况等）：
|
1．项目背景：
肺癌已成为全球死亡率最高的恶性肿瘤，“早发现、早诊断、早治疗”是提高病患生存率的关键。随着成像技术的不断发展，低剂量螺旋 CT 已逐渐成为肺癌早期检测和诊断的主要手段。本项目运用 AI影像智能技术明辨“事肺”，所指“事肺”是将研究内容聚焦于解决肺肿瘤领域的两个临床问题。
在 CT 影像上，磨玻璃影是最常见的肺结节征象，也是早期肺腺癌的主要表现之一。因此，对磨玻璃肺结节的诊断和鉴别是肺腺癌早期诊断的关键。本项目计划重点解决的临床问题之一：是否能够探究磨玻璃肺结节风险分层方法解决单层风险模型结节预测不精细、不全面的问题，提升肿瘤风险评估的完整性。
|
2．技术创新点：
1、多时间点随访 CT 影像 3D 配准
首先，运用卷积神经网络（CNN）建立 VoxelMorph 所表示的配准函数。本研究选用治疗前基线 CT影像作为参考图像，对随访图像进行配准。采用三维 U-Net 网络构建配准函数 ，该网络由一些包含跳跃连接的编码器-解码器（Encoder-Decoder）组合而成。然后，运用相似性损失 Lsim 和平滑损失Lsmooth 构建无监督损失函数 。最后，运用训练好的 VoxelMorph 网络实现随访图像的配准。对于体素p 来说，运用 u(p)让 M 中的体素和 F 中的体素对齐到相似位置的位移。
2. CT 影像组学和深度图像特征提取
2.1. 基于 Vision Transformer 的联合分割和分类多任务深度图像特征挖掘
本研究选用 Vision Transformer 网络提取肺肿瘤的深度图像特征，为了降低网络的过拟合风险，采用分割和分类联合训练的多任务深度学习模型。
2.2. CT 影像组学特征提取
运用 PyRadiomics 工具包（https://pyradiomics.readthedocs.io/en/latest/index.html），对
随访图像中的多肿瘤病灶依次进行特征提取，主要提取肺肿瘤的 3D 形状、灰度直方图、灰度纹理、LoG图像变换、小波变换和 Gabor 滤波变换等图像特征，建立肺肿瘤 CT 影像组学特征集。
3. 基于时间校正长短期记忆网络的时序随访 CT 影像特征耦合
|
3．实施情况：
寻求转化
|
4．附件查看：
|
市场前景：
|
投资规模(包括设备,场地,流动资金等)：
|
效益(成本及收益预测):
|
应用领域:
肺癌智能诊断
|