雲科大AI導入胸腔影像辨識 即時精準抓出腫瘤氣胸

雲科大AI導入胸腔影像辨識 即時精準抓出腫瘤氣胸
2021/10/22
作者/專欄

COVID-19疫情讓肺部疾病議題再度受重視,雲林科技大學智慧辨識產業服務研究中心(IRIS)與大林慈濟醫院於22日共同舉辦成果展示會,發表三款以AI導入胸腔影像檢測技術,包括「胸腔X光影項腫瘤偵測輔助判讀系統」、「自動即時偵測氣胸放射圖像技術」、「氣管內管偵測技術」,協助醫檢人員自動即時辨識肺腫瘤、氣胸與氣管位置,提高檢驗速度與精準度,避免因誤判或病患等待檢驗時間過長而死亡。

雲科大IRIS中心在2019年與大林慈濟醫院簽訂合作備忘錄,協助胸腔內科醫師開發智慧醫療技術,以及利用大林慈濟醫院的影像資料庫來建置AI模型,雲科大IRIS中心主任張傳育表示,雲科大利用自身AI技術結合醫院端臨床問題進行場域驗證,隨著智慧診斷系統應用不斷湧現,台灣醫療產業可以往智慧醫院、智慧醫療、精準健康境界邁進,未來也能夠過遠距醫療利用AI做初步影像預測。

胸腔X光影像腫瘤偵測輔助判讀系統 自動標記範圍與位置

肺癌是衛福部公布2020年台灣十大癌症死因之首,醫生或醫檢師臨床上透過X光影像判別,可能因超時工作環境或經驗,產生判讀診斷有不同的狀況,剛獲得110年度國家產學大師獎張傳育所研發「胸腔X光影像腫瘤偵測輔助判讀系統」,搜集了700張健康人肺部影像與699擁有肺腫瘤患者的影像資料,利用U-Net神經網絡系統、DenseNet-121模型等進行深度學習訓練,自動標記患者腫瘤範圍,準確率為98.51%,分類敏感度則達到99.01%,目前這套訓練模型已經可以應用在其他醫院與資料庫。

自動即時偵測氣胸放射圖像技術 避免混肴氣胸與類氣胸

氣胸在臨床上很難第一時間被發現,經常因為氣胸範圍太小、X光拍攝誤差或受到肺部微血管干擾,發生判讀失誤或太慢動手術,導致病患錯過黃金治療時間而死亡,雲科大電機系教授何前程研發「自動即時偵測氣胸放射圖像技術」,利用資料擴增(Data Augmentation)與二階分類(Two-Stage Classification)改進U-Net++模型的深度學習演算法,準確率達80%。

何前程提到,包含自發性氣胸、張力性氣胸會出現肺尖部位囊泡(Bleb)、深溝徵(Deep Sulcus Sign)症狀,經常與肺炎產生肺水腫、肺浸潤等類氣胸症況混肴,「自動即時偵測氣胸放射圖像技術」可協助醫師辨識患者氣胸與類氣胸病症。

氣管內管偵測技術 減少多餘人力調整工作

醫護人員為病患插管時需要評估插入深度是否恰當,太深可能導致氣胸,太淺則會發生低氧血症,因此雲科大資管系特聘教授許中川開發「氣管內管偵測技術」,透過AI技術自動判斷氣管內管與氣管分岔點位置,解決過去部分放射線影像清晰不佳還需要人工調整對比度,增加醫護人員負擔問題,以及不受其他醫療管線影響而誤判情況。

目前這套技術搜集了389筆影像資料,判斷有無插管的準確率高達100%;插管端點判斷平均誤差是0.38公分,5公釐範圍內準確率為84%,1公釐範圍內準確率為94%;氣管分岔點判斷平均誤差則是0.32公分,5公釐範圍內準確率為84%,1公釐範圍內準確率為96%,許中川指出,適合插管距離分岔點是在3至7公分範圍內,未來此技術會朝向可以自動化判斷插管位置的適當性。

更多照顧產業訊息,敬請點此訂閱創新照顧電子報