几天前，国际杂志《放射学》（Radiology）“放射学”（Radiology）发行了。放射学领域的研究人员发表了由华为云EI创新孵化实验室，华中科技大学电信学院，放射学联合会放射学-AI算法检测联合小组的最新研究成果。华中科技大学同济医学院附属医院动脉瘤的检出灵敏度为97.5％。该算法可以帮助医生将临床诊断的准确性提高约10％，同时将漏诊率降低5％，有效地缩短了医生的诊断时间。作为放射学领域的顶级期刊之一，《放射学》杂志一直是该领域的绝对权威。其CiteScore值为12.5（“连续第四年第四年平均论文被引数”），影响因子为7.9，使其成为该领域引用最多的期刊之一。因此，能够发表关于放射学的论文是许多“放射科医生”所追求的目标。的梦。新环境下脑动脉瘤的辅助诊断近年来，人工智能与医学影像的结合已成为最热门的话题之一。它将最先进的人工智能技术应用于医学影像诊断，并帮助医生诊断具有人工智能的患者。 。具体的应用场景包括但不限于各种病变的识别和标记，例如宫颈癌，肺结节以及心血管和脑血管疾病的辅助诊断。脑动脉瘤的诊断仍存在很大不确定性。脑动脉瘤是由脑动脉管腔的异常扩张引起的一种肿瘤样突起。有时存在泄漏或破裂的风险。该疾病是脑血管疾病的三大原因之一。由于其致命和未知的性质，它被称为“沉默和致命的杀手”。据报道，脑动脉瘤可引起约80％-90％的非创伤性蛛网膜下腔出血，这种严重的脑病的死亡率为23％-51％，并且有10％-20％的永久性致残风险需要早期诊断和治疗。动脉瘤经常定位并且具有各种形状，这需要较高的医生资格。中国人口基数大，缺乏合格的医生，相关医生的工作强度也很高。动脉瘤破裂的风险取决于动脉瘤的大小，形状和位置。因此，脑动脉瘤的检测和特征提取是指导治疗的关键。目前，CT血管造影（CTA）是评估颅内动脉瘤的主要影像学方法。与磁共振血管造影（MRA）相比，CTA是一种快速且经济高效的诊断技术，通常具有更广泛的可用性和较高的空间分辨率。与数字减影血管造影（DSA）相比，CTA通常更为广泛且无创。然而，由于脑动脉瘤的体积小和颅内血管的复杂性，专业放射科医生需要花费很长的时间进行诊断，并且可能会漏掉一些小的动脉瘤。那么，作为目前最复杂的疾病之一的脑动脉瘤的诊断如何应用人工智能呢？人工智能+医学影像解决了脑动脉瘤的辅助诊断问题。最近在放射学上发表的这项最新技术使用了华为云的一站式AI开发平台ModelArts。作为华为云的自主开发平台，ModelArts可以提供数据预测。一系列方便的功能，例如处理和半自动注释，大规模分布式训练以及自动模型生成。脑动脉瘤检测算法包括编码器和解码器，并在编码器和解码器的中间使用密集腔卷积（DAC）和残差多核池（RMP）模块。输入的CTA图像以0.39×0.39×0.39mm ^ 3的分辨率重新采样。该算法的输出将提供诸如动脉瘤存在的可能性，动脉瘤的位置和直径等信息，并在原始CTA图像上勾勒出可疑的动脉瘤。绘制一个边界框。结果如下图所示。图|效果图|数据采集，筛选和分割流程图在本文中，作者指出该研究使用了534例患者。 CTA数据可训练深度学习检测算法，然后在另外534例数据上对其进行验证。结果表明，该研究算法检测到633个动脉瘤（验证集包含649个动脉瘤），灵敏度为97.5％。同时，该算法还检测了8个新的动脉瘤