1月6日
，中国科学院深圳先进技术钻研院医学成像科学与技术系统全国沉点尝试室钻研员王珊珊团队结合清华大学助理教授周洪宇、澳门科技大学教授张康等合作者在《天然·生物医学工程》颁发最新成就
，钻研团队提出了一种名为AFLoc的人为智能模型
，该模型不必要医生提前标注病灶
，就能自动在医学影像钟装找病灶”。 钻研团队介绍
，“我们让AFLoc 模型同时进建两类信息
，一类是医学影像自身
，好比胸片、眼底照片或病理切片
，另一类是医生撰写的临床汇报。通过反复‘对照进建’
，AFLoc模型会逐步领略
，临床汇报中提到的疾病描述
，对应影像中的哪些区域。久而久之
，即便没有人为标注
，它也能在影像中正确标出最可能的病灶地位。” 据悉
，钻研团队在胸部X光、眼底影像和组织病理图像三种典型医学影像模态上对AFLoc进行了系统验证
，了局显示模型均阐发出优异机能。 在胸片尝试中
，AFLoc在覆盖肺炎、胸腔积液、气胸等34种常见胸部疾病、涉及8个主流公开数据集的测试中
，在多项病灶定位指标上优于现有步骤
，并在多个病种中达到了甚至超过人类专家的水平。在眼底影像和病理图像工作中
，AFLoc同样展示出不变的病灶定位能力
，定位精杜着于当前主流模型。 除病灶定位表
，AFLoc还展示出壮大的疾病诊断能力。在胸部X光、眼底和组织病理图像的零样本分类工作中
，其整体阐发均优于现有步骤。尤其在眼底视网膜病变诊断中
，AFLoc的零样本分类机能甚至超过了部门依赖人为标注数据微调的模型。 “这一模型有效躲避了传统深度进建步骤对大规模人为标注数据的依赖
，显著提升了医学影像数据的利用效能与模型的泛化能力
，为临床影像AI从‘依赖手工标注’迈向‘自监督进建’提供了可行蹊径
，也为构建更智能、更具通用性的医学人为智能系统提供了新的技术范式。”王珊珊暗示。