胡君花 黃倩 胡安寧

（南京大學(xué)醫(yī)學(xué)院附屬鼓樓醫(yī)院醫(yī)學(xué)影像科，江蘇 210008）

摘要：目的：研究目前醫(yī)學(xué)影像數(shù)字X線攝影（DR）質(zhì)量控制現(xiàn)存的問題和人工智能（AI）解決問題的方法和預(yù)期應(yīng)用價(jià)值。方法：分析如何進(jìn)一步提高質(zhì)控效率、提升質(zhì)控質(zhì)量、優(yōu)化完善質(zhì)控管理工作。結(jié)果：AI與DR成像結(jié)合，對(duì)DR質(zhì)量控制具有積極的改善作用。結(jié)論：AI在影像技術(shù)上應(yīng)用越來越廣泛，DR評(píng)價(jià)的行業(yè)準(zhǔn)則也會(huì)隨AI與質(zhì)量控制結(jié)合逐步建立起來，質(zhì)控評(píng)價(jià)會(huì)更科學(xué)、更合理。

關(guān)鍵詞：人工智能;質(zhì)量控制：數(shù)字X線攝影

中圖分類號(hào)：R814.3;TP18文獻(xiàn)標(biāo)識(shí)碼：ADOI：10？郾3969/j.issn.1001-0270.2020.06.04

Abstract： Objective： To study the existing problems of digital X-ray radiography （DR） quality control of medical image， and the methods and expected application value of artificial intelligence （AI） to solve the problems. Methods： Analyze how to further improve the quality control efficiency， improve the quality of quality control， optimize and improve the quality control management. Results： The combination of AI and DR imaging has a positive improvement effect on DR quality control. Conclusion： AI is more and more widely used in image technology， the industry standard of DR evaluation will be gradually established with the combination of AI and quality control， and the quality control evaluation will be more scientific and reasonable.

Key Words： Artificial Intelligence; Quality Control; Digital X-ray Radiography

1 引言

近年來，我國(guó)大力發(fā)展創(chuàng)新，促進(jìn)人工智能（Artificial Intelligence， AI）和實(shí)體行業(yè)深度融合，AI不斷發(fā)展，其與醫(yī)學(xué)影像的結(jié)合被認(rèn)為是最具發(fā)展前景的領(lǐng)域[1]。AI在醫(yī)學(xué)影像中的應(yīng)用，主要包括計(jì)算機(jī)輔助診斷、影像組學(xué)、影像基因組學(xué)等場(chǎng)景[2]。AI與醫(yī)學(xué)影像質(zhì)量評(píng)價(jià)結(jié)合，有助于醫(yī)學(xué)影像學(xué)對(duì)于影像圖像質(zhì)量的客觀評(píng)價(jià)，優(yōu)化圖像的質(zhì)量管理。

2 目前存在的問題

胸部數(shù)字X線（DR）檢查由于各醫(yī)院技師操作水平不一樣，不同廠商、不同型號(hào)的影像設(shè)備存在參數(shù)設(shè)置的差異，即使同一臺(tái)設(shè)備，掃描所呈現(xiàn)的圖像也會(huì)有些許差異，導(dǎo)致影像數(shù)據(jù)標(biāo)準(zhǔn)各異，圖片質(zhì)量參差不齊。同時(shí)由于缺少統(tǒng)一質(zhì)量評(píng)控方案，實(shí)現(xiàn)影像圖像質(zhì)量和格式的同質(zhì)化過于困難[3]。在DR影像質(zhì)控方面，影像質(zhì)量的評(píng)價(jià)最常用最直接的方法是影像醫(yī)師的視覺主觀評(píng)價(jià)，這種評(píng)價(jià)方法主觀性強(qiáng)，容易產(chǎn)生偏見，其定性評(píng)價(jià)結(jié)果差異較大，且費(fèi)時(shí)費(fèi)力，具有一定限制。

3 解決方案

隨著深度學(xué)習(xí)、圖像采集、數(shù)據(jù)處理等關(guān)鍵技術(shù)的飛躍，基于圖像識(shí)別技術(shù)的影像學(xué)和影像組學(xué)也隨之進(jìn)步[4]。AI技術(shù)與影像技術(shù)相結(jié)合，通過將智能系統(tǒng)記憶基于全局特征和深度卷積網(wǎng)絡(luò)的結(jié)合，進(jìn)行質(zhì)量控制評(píng)分與錯(cuò)誤評(píng)述[5-6]，以方便影像質(zhì)控工作人員對(duì)圖像質(zhì)控在數(shù)量及質(zhì)量上有巨大的提高。

在DR質(zhì)控方面，將PDCA與AI結(jié)合起來，即分別從計(jì)劃（Plan）、執(zhí)行（Do）、檢查（Check）、調(diào)整（Action）四方面入手。

計(jì)劃（Plan）：通過計(jì)算機(jī)深度學(xué)習(xí)算法及原理，對(duì)DR影像質(zhì)控工作進(jìn)行智能化安排和合理性設(shè)計(jì)并制定相關(guān)工作計(jì)劃準(zhǔn)則。

執(zhí)行（Do）：主要包括五個(gè)環(huán)節(jié)： ①圖像采集：通過影像掃描方式采集圖像，比如我們所采取的DR;②感興趣圖像分割：感興趣圖像，通常指的就是病灶，比如腫瘤區(qū)域;③特征提?。簩?duì)感興趣區(qū)域進(jìn)行影像特征提取;④量化分析：對(duì)上述特征進(jìn)行統(tǒng)計(jì)分析，常用的分析方法有重復(fù)測(cè)量信度分析、主成分分析、相關(guān)性分析和隨機(jī)森林等;⑤模型構(gòu)建：通過深度學(xué)習(xí)方法建立基于影像組學(xué)特征預(yù)測(cè)和分類模型[7]。

檢查（Check）：質(zhì)控小組成員對(duì)所有計(jì)算機(jī)學(xué)習(xí)并給出評(píng)分的圖像質(zhì)控，對(duì)比質(zhì)控小組與AI組得出數(shù)據(jù)的差異性，分析原因，讓AI評(píng)分系統(tǒng)繼續(xù)學(xué)習(xí)，直到所有圖像的數(shù)據(jù)與質(zhì)控小組一致，從而完善AI質(zhì)控評(píng)分系統(tǒng)的準(zhǔn)確性。DR通過人工智能系統(tǒng)得出評(píng)分，杜絕了由于人為主觀判斷造成的質(zhì)控結(jié)果偏差。

調(diào)整（Action）：通過計(jì)算手段對(duì)數(shù)據(jù)進(jìn)行自動(dòng)調(diào)整及系統(tǒng)優(yōu)化[8]。這四個(gè)過程周而復(fù)始地進(jìn)行，一個(gè)循環(huán)解決一些問題，未解決的問題進(jìn)入下一個(gè)循環(huán)，通過這樣螺旋式上升解決問題。AI所進(jìn)行的質(zhì)控評(píng)價(jià)在客觀性和質(zhì)量上都能在很大程度上幫到我們，可以給技術(shù)提升帶來長(zhǎng)足的進(jìn)步，更能提高今后的攝片質(zhì)量，方便臨床診斷，造福病人。

4 預(yù)期應(yīng)用

對(duì)已產(chǎn)生的質(zhì)控結(jié)果進(jìn)行結(jié)構(gòu)化分析和統(tǒng)計(jì)，對(duì)放射科工作人員攝片操作的規(guī)范化以及圖像質(zhì)量的系統(tǒng)化管理進(jìn)行優(yōu)化和改進(jìn)。綜上，把所有信息進(jìn)行整合處理，根據(jù)考核標(biāo)準(zhǔn)，將每張攝片進(jìn)行評(píng)價(jià)及打分，對(duì)不合格的圖像進(jìn)行及時(shí)糾正及重?cái)z，有助于優(yōu)化圖像的質(zhì)量管理。通過前饋系統(tǒng)優(yōu)化出片的質(zhì)量，方便診斷及臨床需要，也能夠通過反饋提高放射科技術(shù)人員的攝片水平。

5 結(jié)論

盡管技術(shù)發(fā)展仍存在缺陷及瓶頸，但隨著算法及科技的革新，AI在影像技術(shù)上的應(yīng)用越來越廣泛，DR評(píng)價(jià)的行業(yè)準(zhǔn)則也會(huì)隨AI與質(zhì)量控制結(jié)合逐步建立起來，屆時(shí)質(zhì)控評(píng)價(jià)會(huì)更科學(xué)、更合理，DR技術(shù)及行業(yè)質(zhì)量將會(huì)有飛躍的進(jìn)步。

參考文獻(xiàn)：

[ 1 ]許強(qiáng)，張其銳，盧光明.新一代醫(yī)學(xué)影像人工智能臨床轉(zhuǎn)化現(xiàn)狀與挑戰(zhàn)[J].中華放射學(xué)雜志，2019，53（11）：913-915.

[ 2 ]季冰，劉伶俐.人工智能在醫(yī)學(xué)影像領(lǐng)域的應(yīng)用與挑戰(zhàn)[J].中國(guó)醫(yī)學(xué)倫理學(xué)，2019，32（8）：981-985.

[ 3 ]李沛鼎.淺析放射科影像質(zhì)量控制策略[J].中西醫(yī)結(jié)合心血管病電子雜志，2017，5（26）：29.

[ 4 ]王云.人工智能加碼醫(yī)療影像[J].上海信息化，2018（5）：54-57.

[ 5 ]孫利雷，徐勇.基于深度學(xué)習(xí)的乳腺X射線影像分類方法研究[J].計(jì)算機(jī)工程與應(yīng)用，2018，54（21）：13-19.

[ 6 ]付偉鋒，鄒維寶.深度學(xué)習(xí)在遙感影像分類中的研究進(jìn)展[J].計(jì)算機(jī)應(yīng)用研究，2018，35（12）：3521-3525.

[ 7 ]史張，劉崎.影像組學(xué)技術(shù)方法的研究及挑戰(zhàn)[J].放射學(xué)實(shí)踐，2018，33（6）：633-636.

[ 8 ]吳曉芬，王培軍.我國(guó)放射影像質(zhì)量控制管理現(xiàn)狀及發(fā)展趨勢(shì)探討[J].中國(guó)醫(yī)療設(shè)備，2019，34（1）：156-158.