点击下方卡片,关注“CVer”公众号
AI/CV重磅干货,第一时间送达
扫码加入CVer学术星球,可以获得最新顶会/顶刊上的论文idea和CV从入门到精通资料,以及最前沿项目和应用!发论文搞科研,强烈推荐!
在CVer微信公众号后台回复:论文,即可下载论文pdf链接!快学起来!
转载自:上海交大电院
1月4日,上海交通大学电子信息与电气工程学院计算机科学与工程系/教育部人工智能重点实验室盛斌教授团队,上海交通大学医学院附属第六人民医院内分泌代谢科、上海市糖尿病重点实验室贾伟平教授和李华婷教授团队,清华大学副教务长、医学院主任黄天荫教授团队,在国际权威刊物《Nature Medicine》(《自然医学》)发表题为“A deep learning system for predicting time to progression of diabetic retinopathy”(用于预测糖尿病视网膜病变进展时间的深度学习系统)的科研成果。该成果是医工交叉团队继2021年成功完成糖尿病视网膜病变辅助智能诊断系统“DeepDR”的研发之后,进一步构建的基于时序影像序列深度学习的糖尿病视网膜并发症预警系统“DeepDR Plus"。该系统可基于眼底图像精准预测糖尿病视网膜病变进展,成果为推动全球糖尿病并发症的智能防控贡献了中国力量,有望为全球糖尿病视网膜病变的筛防新策略的制定提供指引。
研究介绍
糖尿病视网膜病变(diabetic retinopathy, DR)是糖尿病最常见的微血管并发症,也是全球可预防失明的主要原因。该病初期症状隐匿,病情严重时可能导致永久视力损伤甚至失明。由于不同患者病情进展存在较大差异,每位糖尿病病人患DR的风险和时间难以准确预测。目前,以深度学习为代表的人工智能技术已被用于DR筛查,然而基于眼底图像来预测DR发生风险仍是全球关注的重难点问题。在糖尿病等相关慢病诊疗和管理的临床实践流程中,糖尿病患者往往只会按照相对固定的时间间隔进行筛查或随访,并发症的确切发生或进展时间无法知晓,这也导致传统深度学习模型无法实现疾病进展时序轨迹的精准建模,进而无法预测个体的发病和进展时间点。针对这一困扰全球糖尿病管理的关键技术瓶颈与临床需求,本项研究首次基于大规模医学影像纵向队列,涵盖多国多种族的超20万名糖尿病患者的眼底图像和临床数据,创新性提出了基于Weibull混合分布模型的疾病进展分析深度学习框架,创造性地将糖尿病视网膜病变的进展和发生时间视为筛查区间内的随机变量,通过生存分析与时序分布概率建模,成功实现了对糖尿病视网膜病变进展的风险预警和时间预测。研究团队通过将该系统应用于中国和印度的真实临床流程,证实该系统可在大幅降低筛查频率和公共卫生成本的情况下仍保持极低的漏诊率,从而为将来的糖尿病并发症防控实践提供了个性化筛查和管理决策的依据。
DeepDR Plus系统概览和研究设计
早期筛查和干预对于DR的预防和管理至关重要。国内和国际组织大多建议无或轻度DR的糖尿病患者每年进行常规眼底摄片检查,以便及时发现视网膜病变并进行干预。然而,由于经济和医疗资源等因素的限制,尤其是在中、低收入国家,糖尿病患者常规眼底摄片检查的实施和普及困难重重。本研究首次实现了个体化糖尿病视网膜病变风险和时间预测,DeepDR Plus系统仅根据基线眼底图像,准确预测未来5年DR进展的个体化风险和时间,优于传统临床参数模型。此外,DeepDR Plus系统可以准确识别高、低风险人群,提供了人工智能驱动的个性化的推荐随访间隔(低风险患者给予相对更长时间的随访间隔建议而几乎不导致威胁视力DR的漏诊)和管理策略(高风险患者给予相对更严格的综合干预建议)。
人工智能驱动的个性化筛查间隔纳入糖尿病视网膜病变筛查系统,特别在发展中国家,可以极大地提高眼底摄片筛查的效率、公平性和可及性。该研究为糖尿病视网膜病变筛查、预防和诊疗指南提供了新的证据,有望对未来糖尿病视网膜病变的临床诊疗流程和医疗费用等产生重要影响,在世界地图上为糖尿病智能防控贡献了中国技术和亚洲力量,为一带一路及全球中低收入国家和地区的糖尿病管理模式的提质增效与改革创新开辟了新道路。
作者信息
上海交通大学电子信息与电气工程学院计算机科学与工程系盛斌教授、上海交通大学贾伟平教授、清华大学黄天荫教授及上海交通大学医学院附属第六人民医院李华婷教授为本文共同通讯作者。上海交通大学电子信息与电气工程学院计算机科学与工程系医工交叉方向博士生戴领(联合导师为贾伟平院士与盛斌教授)、华东疗养院陈婷丽主任、上海交通大学医学院附属第六人民医院吴强主任、上海交通大学刘茹涵博士等为本文共同第一作者。
本工作得到了香港中文大学Carol Y. Cheung、新加坡国家眼科中心Gavin Tan Siew Wei、Yih-Chung Tham和Ching-Yu Cheng等教授及其团队的指导和支持,此外来自中国医学科学院北京协和医学院、首都医科大学、华中科技大学、上海科技大学、中山大学、香港科技大学,印度Shri Bhagwan Mahavir玻璃体视网膜中心等单位的多学科专家给予了帮助。该研究得到科技部国家重点研发计划、国家自然科学基金、上海市科委“一带一路”国际联合实验室建设项目、上海市内分泌代谢疾病研究中心(重中之重项目)及上海交通大学“交大之星”计划医工交叉研究基金等资助。
国际评价
鉴于该AI医疗成果的重要性,《Nature Medicine》于本成果发表的同日,同期在线发表了题为“A deep learning system for predicting time to progression of diabetic retinopathy的Research Briefing”专栏评述,汇聚国际学术界和《Nature Medicine》期刊主编对本成果评价和推介。
来自意大利都灵大学的著名学者Massimo Porta教授认为“The authors also address the main problem of AI — identifying which features the tool uses in its predictions.”
《Nature Medicine》主编及编辑团队认为,该成果“becomes central to enabling a precision medicine approach to diabetic retinopathy prevention and early diagnosis.”
盛斌简介
盛斌,上海交通大学电子信息与电气工程学院计算机科学与工程系教授、博士生导师,计算机应用研究所副所长,教育部人工智能重点实验室智慧医疗方向青年学科带头人,上海市代谢相关疾病智慧防控“一带一路”国际联合实验室副主任;任IEEE Tans. CSVT、The Visual Computer等SCI期刊的Associate Editor、中国VR期刊Virtual Reality and Intelligent Hardware(VRIH)的Associate Editor。任图形学会议CGI 2023、CGI 2024及CASA2024大会/程序委员会共同主席。以(共同)通讯/一作在Nature Medicine、Nature Communications、Cell Reports Medicine、IEEE TPAMI、 IEEE TVCG等SCI期刊发表论文98篇,在IEEE VR、ICCV、ACM Multimedia等重要会议发表论文60余篇, 获2023年度Computer Graphics Society杰出贡献奖、获上海市科技进步特等奖1次,2次获得世界人工智能大会SAIL AWARD榜单项目荣誉。
论文链接(或点击“阅读原文”):
https://www.nature.com/articles/s41591-023-02702-z
点亮“在看”,点赞电院科研!
来源丨上海交大电院 计算机科学与工程系
文稿丨盛斌 编辑 | 吴迪 责任编辑 | 张悦
在CVer微信公众号后台回复:论文,即可下载论文pdf和代码链接!快学起来!
CVPR / ICCV 2023论文和代码下载
后台回复:CVPR2023,即可下载CVPR 2023论文和代码开源的论文合集
后台回复:ICCV2023,即可下载ICCV 2023论文和代码开源的论文合集
医学影像交流群成立
扫描下方二维码,或者添加微信:CVer444,即可添加CVer小助手微信,便可申请加入CVer-医学影像 微信交流群。另外其他垂直方向已涵盖:目标检测、图像分割、目标跟踪、人脸检测&识别、OCR、姿态估计、超分辨率、SLAM、医疗影像、Re-ID、GAN、NAS、深度估计、自动驾驶、强化学习、车道线检测、模型剪枝&压缩、去噪、去雾、去雨、风格迁移、遥感图像、行为识别、视频理解、图像融合、图像检索、论文投稿&交流、PyTorch、TensorFlow和Transformer、NeRF等。
一定要备注:研究方向+地点+学校/公司+昵称(如医学影像+上海+上交+卡卡),根据格式备注,可更快被通过且邀请进群
▲扫码或加微信号: CVer444,进交流群
CVer计算机视觉(知识星球)来了!想要了解最新最快最好的CV/DL/AI论文速递、优质实战项目、AI行业前沿、从入门到精通学习教程等资料,欢迎扫描下方二维码,加入CVer计算机视觉(知识星球),已汇集近万人!
▲扫码加入星球学习
▲点击上方卡片,关注CVer公众号
整理不易,请点赞和在看![cb94d0c947525201f741013bcb6cf72d.gif](https://i-blog.csdnimg.cn/blog_migrate/0228e7fb7e5b75652cb0387d377471f6.gif)