陳婷婷

【摘 ?要】在X線診斷技術被科學家發(fā)現(xiàn)以前，臨床疾病的診斷主要通過查看、開刀探查方式進行，不僅難以保證診斷的準確性，而且給患者機體造成了損傷。隨著科學技術的快速發(fā)展，X線、CT等影像學技術得以產生并不斷發(fā)展，在疾病診斷中的作用越來越突出。目前，許多更精確、更智能化的影像學診斷設備與技術被應用于臨床中，本文對目前臨床上應用的一些智能化設備與技術進行了回顧。

【關鍵詞】智能化技術;臨床診斷;醫(yī)學影像技術

【中圖分類號】R571 ? ? ?【文獻標識碼】A ? ? ?【文章編號】672-3783（2020）08-0259-02

引言

隨著醫(yī)學影像學的應用越來越廣泛，醫(yī)學影像學技術在臨床中的重要性也越來越突出。醫(yī)學影像學技術不僅操作非常簡單方便，并且也在不斷的提高和完善，設備的精度也在不斷的提高。而且醫(yī)學影像學技術診斷的最終結果與患者的實際癥狀并無顯著差異。人口老齡化以及腫瘤發(fā)病年輕化也推動了醫(yī)學影像技術的發(fā)展，使醫(yī)生更早、更快地診斷疾病，為疾病的治療爭取了寶貴的時間。本文對近年來在臨床診斷中所應用的部分智能化醫(yī)學影像設備與技術進行了闡述。

1.數(shù)字化虛擬現(xiàn)實感知技術的應用

虛擬現(xiàn)實技術作為近年來發(fā)展迅速的一種信息技術，目前已經(jīng)在通訊、文娛等產業(yè)得到了較為廣泛地應用，使設備的操作者可以在室內感受到接近真實情境的感官與視覺效果。虛擬現(xiàn)實現(xiàn)技術主要是通過高質量的開發(fā)引擎在現(xiàn)實場景中營造出虛擬的空間，將這一技術應用于臨床診斷中，可以極大地提高診斷效率。特別是將數(shù)字化虛擬現(xiàn)實感知技術應用于外科手術患者術前病情診斷評估中，可以更真實地顯示患者病灶的三維模型，醫(yī)生通過佩戴專業(yè)配套的手指運動的傳感器的操縱手柄等設備可以對病灶不同解剖結構進行可視化操作，更全面、深入地了解患者病灶情況，為患者疾病的診斷與術前評估提供各種感官的模擬，可以提高疾病診斷的準確性。除此之外，數(shù)字化虛擬現(xiàn)實感知技術可以為影像科年輕醫(yī)生提供接近現(xiàn)實情況的三維立體學習環(huán)境，使年輕醫(yī)生在術前更了解各個部位以及病灶的解剖結構以及病灶的累及范圍，從而做出比以往更準確的診斷判斷。

國外有學者將一種連接可視化工具包（VTK）和Unity應用于磁共振檢查中，利用VTK的可視化功能、Unity廣泛支持虛擬與增強以及混合現(xiàn)實顯示、交互和操作設備開發(fā)了用于虛擬環(huán)境的醫(yī)學圖像應用程序。這一醫(yī)學圖像應用程序利用Unity和VTK之間的OpenGL上下文共享，通過一個Unity本地插件將VTK對象渲染到Unity場景中。在一個簡單的Unity應用程序中演示了所提出的方法，并將該應用程序執(zhí)行VTK體繪制以顯示胸部計算機斷層和心臟磁共振圖像。從診斷過程以及診斷結果來看，這一技術的應用顯著提高了標準硬件的幀速率，提高圖像的成像質量。

2.深度學習算法及相關技術的應用

深度學習是機器學習領域中一個新的研究方向，使機器模仿視聽和思考等人類的活動，將其應用于醫(yī)學影像診斷中可以為臨床診療提供更客觀的參考意見。近年來，越來越多的人開始將深度學習應用于醫(yī)學影像診斷中，為醫(yī)生提供了更客觀、更智能化的影響分析結果。

以心臟疾病影像診斷為例，在心臟磁共振成像（MRI）數(shù)據(jù)集中分割左心室（LV）這一過程中，國外有學者從將深度學習算法與可變形模型結合使用，以從短軸心臟MRI數(shù)據(jù)集中開發(fā)和評估全自動LV分割工具。該方法采用深度學習算法從地面真實數(shù)據(jù)中學習分割任務。卷積網(wǎng)絡用于自動檢測MRI數(shù)據(jù)集中的左室，堆疊式自動編碼器用于推斷LV形狀。推斷的形狀被合并到可變形模型中，以提高分割的準確性和魯棒性，且這一方法已被實驗證實優(yōu)于最新方法，具有良好的準確性[1]。另有學者將深度學習算法用于腦病變分割研究中，國外有學者提出了3D CNN網(wǎng)絡，并將其用于腦膠質瘤醫(yī)學影分割研究中，經(jīng)過算法測試表明這一方法優(yōu)于其他方法，在腦膠質瘤診斷中發(fā)揮著重要的作用。

彌散MRI采用多步數(shù)據(jù)處理管道，由于某些步驟穩(wěn)定性不高，部分數(shù)據(jù)需要很長的采集時間，這大大增加了掃描成本，而且如擴散峰態(tài)成像（DKI）等不適用于兒童。因此，Golkov等人將深度學習應用于減少擴散MRI數(shù)據(jù)處理到一個單一的優(yōu)化步驟，即借助深度學習技術實現(xiàn)從先進的模型中以12倍減少的掃描時間獲得標量測量，并在不使用擴散模型的情況下檢測異常。

3.多模態(tài)數(shù)據(jù)融合技術的應用

磁共振技術與腦電信號結合是臨床較為常用的一種腦成像融合技術，磁共振與腦電圖的分辨率可以實現(xiàn)互補，使檢查者神經(jīng)元的活動可以被系統(tǒng)捕捉到，為顱腦損傷、腦膠質瘤、癲癇等疾病的診療提供了更多的依據(jù)。國外學者Calhoun 等將MRI和腦電圖數(shù)據(jù)融合創(chuàng)建了獨立分量分析模型，并將該模型用于慢性精神分裂癥患者的診療中，測試結果發(fā)現(xiàn)患者與健康人的神經(jīng)元在目標檢測時存在顯著差異，這一研究表明了多模態(tài)數(shù)據(jù)融合技術在神經(jīng)外科醫(yī)學影像診療中的價值[2]。

4.結語

在臨床診斷中醫(yī)學影像技術的智能化技術應用可以極大地提高疾病識別的精準率，為影像診斷提供了更高質量的輔助信息，為臨床部分罕見病以及疑難雜癥的診斷提供有力的幫助，可以減少誤診與漏診現(xiàn)象，推動臨床診療朝著智能化的方向發(fā)展。

參考文獻

[1] 閆紅華， 牟云森. 醫(yī)學影像技術在醫(yī)學影像診斷中的臨床應用分析[J]. 影像研究與醫(yī)學應用， 2018， 2（2）：118-119.

[2] 王正梅. 醫(yī)學影像技術在醫(yī)學影像診斷中的臨床應用分析[J]. 醫(yī)藥界， 2018， 32（17）：53.