数字医学研究进展：基于深度神经网络的关节外科疾病的影像学辅助诊断模型的构建与应用研究（2）

研究

骨科医学中心

近年来，人工智能(Artificial intelligence,AI)在语音识别、图像识别、文字理解等技术上取得一系列突破。2016 年 6 月，美国 BIDMC 医学中心和哈佛医学院合作研发了一套 AI 系统，用于乳腺癌诊断，其单独诊断准确率达到 92%。Google 在 2016 年 12 月份的美国医学会期刊(JAMA)上发表了糖尿病视网膜病变定级研究。2017 年 2 月，Nature 报道了AI 深度学习在医疗领域的又一突破性进展——利用基于DL的图片识别技术，AI 诊断皮肤癌的正确率及灵敏度均可达到甚至超过专业医师水平，人工智能在医学研究方面呈现突出的优势。

吉林大学第二医院骨科医学中心主任王金成教授团队以解决临床问题为前提，结合医疗大数据运用前沿的AI 技术开展医学影像学诊断研究。2017年初，基于深度神经网络的DDH影像学辅助诊断识别模型完成构建开始投入应用研究。在人工智能课题组李强博士和李雪妍博士协助指导下，临床医学本科生杨文卓、电子科学研究生裴昀通过吉林大学第二医院PACS系统收集整理影像学数据，用标注软件对髋、膝、踝关节中心点进行标注，根据下肢全长X线和测量HKA角特点，对分割模型进行改进（图1），该模型采用深度神经网络算法对髋关节、膝关节和踝关节进行分割，运用一种新方法定位股骨头、膝关节和踝关节的中心点（图2）。根据余弦定律，通过三个中心点的坐标计算HKA角度。最后对比识别模型和医生测量结果，并进行分析。

本研究通过深度学习算法成功构建可自动测量HKA角的模型，并且验证该模型的有效性和准确性。该研究成果已于2020年11月发表在SCI学术期刊Physical and Engineering Sciences in Medicine上（图3）。人工智能在医学领域表现出极大的发展潜力，人工智能辅助下医学影像的判读和测量在特异性和准确性上已经可以媲美专科医生，同时具备医生无法匹及的诊断效率。

图1 

自动测量HKA角模型结构图

图2 

(a) 股骨头的分割

(b) 膝关节的分割

(c) 踝关节的分割

(d) 中心点的预测

图3