计算机辅助诊断（Computer-aided diagnosis）小总结

笃谷

已于 2022-02-13 21:22:05 修改

阅读量1w

点赞数 25

文章标签：计算机视觉深度学习人工智能

于 2021-12-22 20:42:11 首次发布

本文链接：https://blog.csdn.net/weixin_43709183/article/details/122093940

版权

先列参考资料：

正文

计算机辅助诊断（CADX）是一种跨学科技术，利用计算机视觉和人工智能会进行医学图像处理（通常为放射性和病理图像）以识别疾病。医学领域的成像分析非常重要，因为图像是进行任何疾病的早期诊断的基本方法，而且成像并不需要伤害人体。

计算机辅助诊断（CADx）和计算机辅助检测（CADe）都可以称为CAD，这两个概念可能会被混淆。两者的不同之处在于，前者指的是疾病的分类、识别和预测，而后者是检测图像中的病变。就结果而言，CADe属于医学图像分析，更接近目标检测。

CAD & AI

CAD研究进展与AI技术进步关系很大。如图1所示，随着第三次人工智能（AI）的爆发，医学图像的CAD领域也开始发生变化。深度学习的创始人亨顿在2016年的某次国际会议上就曾表示，“深度学习将在五年内达到放射学专家的水平”，这在某些领域已经实现了。

过去的两次AI爆发和目前的第三次爆发

传统的CAD系统解决了诸如预处理，分割，特征提取和分类的几个步骤，如图2(a)所示。深度学习的优势在于它可以通过其学习过程自行创建特征。考虑到医生对这些特征的疑虑，可解释AI（explainable AI, XAI），包括热点图(heat map)等内容，AI相关的研究人员正在持续研究。

传统CAD以及AI-CAD的流程

接下来我将介绍AI-CAD的几个有趣的例子，其中有些的诊断水平与医生的相当甚至更好。

眼底图像 Fundus photographs

眼底照片的质量筛选不仅可用于诊断青光眼等眼部疾病，还可以诊断糖尿病视网膜病变和高血压视网膜病变。
2018年3月，谷歌发布了一篇有趣的论文，其中他们从约300,000名患者收集了眼底图像和其他医疗数据，并使用深层学习的方法处理眼底图像，进而预测心脏病。虽然临床应用中仍存在一些问题，例如图像质量达不到标准、医院通信网络较差导致图像上传过慢，但它们的算法已经在如此大的数据集中达到了专家水平，可以想象这一AI算法的实际落地并不遥远。