计算机辅助医学诊断的相关问题探讨
来源:用户上传
作者:
摘要：本文主要就当前应用较为广泛的计算机辅助医学诊断进行分析和讨论，并阐述CAD研究中的相关问题。希望可以为相关人士提供帮助。
关键词：计算机辅助医学诊断；CAD 医学影像；分析
中图分类号：TP393 文献标识码：A
文章编号：1009-3044（2019）11-0266-02
自Ledly与Lysted提出Bayes定理和布尔代数可以当作诊断逻辑之后，日本、德国等国家也开始计量医学研究同时也促进了计算机辅助诊断（简称CAD）研究的形成。
1 计算机辅助诊断的含义
计算机辅助诊断是通过先进计算机软件分析与处理医学图像，以便发现病变特征，结果属于诊断医师的参考意见，帮助意识提升病灶的检出率，又被称之为医生的“第二个眼睛”，能够有效提升诊断的准确性并改善诊断的再现性，简短读片时间，提升实际工作效率。CAD中的D主要包括两个方面；即为Detection与Diagnosis，即为帮助发展与诊断病变。例如在乳腺癌与肺结核的医学诊断中，系统能够帮助医生发现结节和疑似病变，另外可以帮助医生准确判断病变性质，即为良性或恶性。当前国外学者针对CAD在医学诊断中的含义已经达成共识，在应用CAD系统时，最后的诊断还是由相关医生决定，只是医生在判断时会参考计算机的输出结果，使得医学诊断更加客观、准确。在医学影像诊断中，计算机输出结果是定量分析影像资料特点获得的，主要作用就是帮助医生提升准确性以及疾病解释的统一性。CAD可以有效提升医生诊断的准确性，主要原因就是因为放射科醫生的诊断是主观判断的过程，因为受到医生经验和知识水平的限制与影响。另外医生诊断的时候，容易遗某些细微的变化，例如乳腺内的细微钙化等。
2 CAD在医学影像诊断学中的作用
CAD当前在医学影像诊断中的各个领域已经被广泛应用，主要包括平片、CT、超声诊断等，都可以运用CAD系统。另外，人身体中的任何位置都可以通过CAD提升医学诊断的准确率。
1） 肺结核性病变等方面的应用。因为早期和较小的结节灶通常在解剖结构的重叠下很难被放射科医生所辨认，以往普通胸片对肺结核的漏诊率达到了百分之三十以上。CT尤其是多排螺旋CT能够实现薄层CT平扫，这样的方式虽然能够解决小结节的漏诊问题，但是在过程中会产生大量的图像，因为医生阅片疲劳问题，以及个人标准的不同就会增加漏诊和误诊的发生几率。如果可以通过计算机模式能够清晰显示肺结节的所在位置，同时还可以进一步提升肺结节的医学诊断率，减少漏诊的情况发生。当前这也是CAD研究的重点之一。
相关人事通过模拟神经网络研究和分析200例HRCT下大于2cm的肺结节，人工神经网络基于多项临床特征与多项放射影像特征的基础之上，又多位放射科专家与CAD双盲测试，其CAD诊断结果的正确率为96.1%，放射科医生诊断的正确率为84.7%，放射科医生在CAD系统的帮助下，诊断结果的准确度可以高达96.9%。另外，相关学者还选取了150位肺部单发结节直径为8-25mm的患者，该类群体的肺结节病灶都已经得到了病理证实。然后从健康人群中在抽取150为年龄、性别相仿的对照者。然后对两组人物进行CT证实，再由先关放射科专家进行医学诊断，所有X线胸片都需要通过数字化放射影像获得。分别又6名高年资影像医生和6名低年资影像医生当为观测者，然后依次对不运用和运用CAD输出图像的X线胸片进行分析诊断。观察者根据受试者的特征曲线进行分析，其结果表明，不论是年资较低还是年资较高的影像医生，运用CAD输出结果检查肺内单发结节的准确率普遍优于不用CAD。同时虽然两组在使用CAD输出结果的过程中，其检测的准确性都会有所提升，但是年资较低的医生会提升较多，因为年资较高的医生在不运用CAD结果就已经形成了一定的准确性。还可以进一步说明CAD技术能够有效提升低年资提升对医学诊断的准确性。
2） 乳腺癌方面的应用。CAD技术在乳腺癌早期诊断中的研究较为成功。早年FDA就已经批准了首个CAD系统，即为美国R2技术有限公司的Image Checker系统。在乳腺癌诊断过程中，CAD能够从以下两个方面来提升诊断的准确率；首先就是寻找出可能存在的肿块性病变；其次就是寻找出微小的钙化灶，由于微小的钙化灶，特别是丛状分布的钙化灶是乳腺癌的主要特征之一。
相关学者用CAD技术分析67例组织学已经证实的乳腺癌全乳X光片数字学影像资料，以此来评估CAD的准确率。其研究结果表明，CAD技术发现微小钙化灶的精准程度为89.9%；发现肿块的精准度为82%，假阳性率在微小钙化与肿块中依次为34.9%与27%，整体假阳性率为60%。另外还随机抽取了150例乳腺癌病患的数字化乳腺X片，然后与放射科医生运用CAD前后诊断乳腺癌敏感差异进行比较。其结果表明放射科医生运用CAD前后诊断乳腺癌的精准程度为75.4%和89.8%。
3） 神经系统影像诊断学中的应用。相关学者收集了456例已经经过病理证实的鞍内与鞍上肿瘤，依照多个观察指标来分析456例病患的临床与MR影像资料，然后对其分类和回归树（CART）进行交叉验证，构建出树状模型。抽取经过手术和病理证实同时手术之前MR诊断错误的鞍内与鞍上肿瘤病理70例，在随机抽取70份病例的MR片子为两组，每组为35例。第一次安排3名有着较为丰富经验的神经放射学诊断已经进行阅读，依照自己的实际经验做出分析并提出相应的诊断；第二组由3名资历较低的住院医生进行阅读，依照自己的观察运用上述方式进行诊断。阅片结果可以运用X2进行检验。其结果表明，第一组医生诊断的准确率为34.2%；第二组医生诊断的准确率为64.5%。
另外，基于磁共振影像的特征，可以提取描述星形细胞瘤的多个影像特征资料，主要包括形态、轮廓以及占位等，将其输入人工神经元网络，对网络进行训练，构建出CAD系统。数据库病例测试表明人工神经元网络诊断结果为；针对良性与恶性星形胶质细胞瘤的诊断精准性为91.45%与95.7%，特异性依次为92.6%与89.7%，诊断结果的准确率已经接近于放射科专家，构建CAD系统能够有效提升良性与恶性星形胶质细胞瘤诊断的准确性，同时在医学影像方面也有着一定的价值。 4） 其他。除了肺结节与乳腺癌以及脑瘤等研究的运用之外，当前CAD在CT虚拟结肠镜和肝脏疾病CT诊断等多个方面都有研究与报道。
3 CAD的工作步骤
CAD的工作步骤主要分为以下三点；首先就是图像的处理过程，主要目的就是将病变从正常结构中提炼出来。图像处理的主要目的就是让计算机容易识别人体中可能存在的病变，即为让计算機可以从复杂的解剖背景中将人体病变和可疑结构进行识别。各种病变有着不同的图像处理与计算模式，将可疑病变从正常解剖背景中进行分离和显示。其次就是图像征象的提取和图像特征的量化过程。即为病变的征象分析量化过程。所分析与研究的征象就是医学影像诊断医师对医学有价值的影像表现，例如病变大小和密度以及形态特征等。最后就是数据的处理过程，将第二步所获得的图像征象数据资料输入到人工神经元网络等多种统计算法中，以此来形成CAD系统，对病变科学进行分类和处理，以便区分各种病变，进一步实现对疾病的有效诊断。常用的方式主要包括神经元网络以及规则提取等。
4 医学辅助诊断系统研究与发展方向
积极总结当前知识发展计算机辅助诊断，未来发展可在以下几个方面进行探索与研究。
其一在对有医学影像的多媒体医学数据进行数据挖掘与知识发现的过程中，需要进一步研究怎样快速且高效的自动提取图像特征和如何选择科学的数据挖掘方式，以便能够得到更加完善的数据挖掘结果，即为医学诊断规则。
从医学图像提取用于诊断的图像特征值需要花费很多实践，由于人们理解图像比理解数字要相对容易，但是计算机恰好相反，基于此，特别是对于图像进行挖掘的多媒体数据挖掘还处在研究的初期阶段，医学图像的特征自动提取与模式的识别的研究与发展与多媒体数据挖掘有着互相促进的作用。针对数据挖掘方式的运用中，神经网络技术在当前重要商品化数据挖掘工具中有着一定的地位，随着神经网络规则提取的研究与发展，通过神经网络来发展实际与提取分类规则，因为其具有简单性和较强的归纳能力，引起了人们的广泛研究与应用。将这种模式运用到医学诊断中，有着一定的研究价值和发展方向。近年来，将模糊技术与神经网络技术融合的模糊网络技术成为了热门的研究话题，同时人们也逐渐将先进的技术运用到医学诊断领域中，并且也取得了较好的效果。
其二分析与开发适合医学数据库知识发现的数据挖掘方式与工具。针对多种特定的医学数据库，人们已经运用了多种适合的数据挖掘方式进行计算机辅助诊断体系的开发。在经过大量实践的基础之上，未来是否能够通过软件组建技术应用于知识发现系统中，集成多种适合医学数据挖掘的方式，为医学诊断开发工具，从而节省开发计算机诊断辅助医学诊断的时间，其与自动化的方式十分适合医学诊断的开发。
其三积极开发性能较好、接近医学专家水平，进而可以让其投入临床使用的计算机辅助诊断系统。医学诊断是关乎于生命的重大时间，需要在医学数据库知识发现与医生知识之间达成统一，出现矛盾及时消除，同时需要将现有的专家系统与知识发现体系进行结合，以此来提升医学诊断的能力，使得计算机辅助诊断系统成为医生的得力助手。
5 结束语
综上所述，CAD系统的优度不仅与系统的数学模型有关，并且与原始数据的预处理和建模样本的选择和编辑有关。与建模原始数据的真实性有着一定的关联，在过程中必须要认真识别。数据较大可以通过计算机进行识别，原始数据需要进行多种标准化的方式进行处理，以便消除执政单位和量纲差异带来的影响。建模样本不能过小，否则不足为证。但是建模的数据量也不能过大，模型的优度与建模数据的组织与编辑以及选取有关系。
参考文献：
[1] 唐军. 计算机辅助诊断系统在前列腺癌新发骨转移骨显像中的诊断效能：寻找灵敏度降低的可能原因[J]. 中华核医学与分子影像杂志， 2018（3）.
[2] 刘坚， 吴亮颖， 张卫平， et al. 计算机辅助下三维重建技术在复杂牙拔除定位诊断中的临床应用研究[J]. 世界最新医学信息文摘， 2017（74）：51-52.
[3] Giannini V ， Mazzetti S ， Armando E ， et al. 计算机辅助检测前列腺多参数MR成像：与经验丰富的阅片者诊断效能对比研究[J]. 国际医学放射学杂志， 2017（6）：121-122.
【通联编辑：光文玲】
转载注明来源:https://www.xzbu.com/8/view-14769799.htm
