ithome
国际
科技
采集 2026-11-13T10:08:13+00:00
我国科学家提出肺结节AI辅助诊断新方法
原始标题:我国科学家提出肺结节 AI 辅助诊断新方法:模拟医生看片子流程,判断更准确
来源
ithome
发布时间
2026-11-13T09:02:20
采集批次
2026-11-13-10
字数
793
URL 指纹
4c484d04ad02c74d
📌 AI 总结(181 字)
中国科学院合肥物质院健康所与合肥肿瘤医院等科研机构合作,提出肺结节良恶性辅助诊断模型M³Net。该模型模仿医生先看整体、再看局部、最后辨别细节的读片流程,从宏观、介观和微观三个尺度分析胸部CT影像。研究在公开及临床数据集上与十二种算法比较,分类准确率等指标均有提升,对边界模糊、非典型结节鉴别尤其有效,同时计算成本较低,有助于提高肺癌早期筛查的准确性和可解释性。
📄 正文(793 字)
中国科学院合肥物质院健康所、合肥肿瘤医院科研团队联合国内外多家单位 develops 了一种基于胸部CT影像的肺结节AI辅助诊断方法,研究成果发表于Information Fusion。 肺癌早期筛查是提高治愈率、降低死亡率的关键,而准确判断肺结节良恶性直接影响后续诊疗方案和患者预后。临床医生通常需要逐张阅读CT影像,结合肺部整体结构、结节周边组织和病灶细节作出判断,但人工读片耗时,且容易受到经验、疲劳等因素影响,存在漏诊或误诊风险。 常规AI辅助诊断模型多依赖单尺度影像特征,往往缺乏可解释性,难以满足精准诊疗需求。针对这一难题,研究团队在算法设计上引入医生诊断逻辑,提出M³Net层级三维神经网络模型,通过宏观、介观、微观三种差异化输入尺度,提取肺部全局结构、结节周边组织和结节微观细节等诊断信息。 模型利用专属编码器提取各尺度特征,并通过隐空间投影和互信息最大化进行跨尺度对齐,再借助层级交叉注意力机制,模拟医生“先全局、再局部、后细节”的判断过程。多重正则化约束进一步优化特征融合,使模型既能识别分叶、毛刺、密度不均等恶性细微特征,也能兼顾血管牵拉、肺组织形变等整体病理信息。 研究团队依托公开数据集LIDC-IDRI和临床数据集USTC-FHLN开展比较实验。与十二种常见AI算法相比,M³Net在两个数据集上的肺结节良恶性分类准确率等指标均有所提高,对边界模糊、特征不典型的疑难结节表现出更明显的鉴别优势,同时模型参数量和运算成本较低。 这项遵循医生诊断逻辑的多尺度AI方法,有助于建立人机之间的有效验证,为提升肺癌AI诊断准确性和相对可解释性提供新策略。研究第一完成单位为中国科学院合肥物质院,合作单位包括中国科学技术大学第一附属医院、蚌埠医科大学、中国科学院半导体研究所、美国东北大学和新加坡南洋理工大学等,并得到中国科学院合肥肿瘤医院单病种攻关项目支持。