班曉娟

北京科技大學(xué)人工智能研究院，北京 100083

很榮幸能夠在《工程科學(xué)學(xué)報(bào)》組織發(fā)布《智慧醫(yī)療》專刊. 智慧醫(yī)療涉及醫(yī)學(xué)、人工智能、計(jì)算機(jī)及通信等技術(shù)，是一門交叉學(xué)科，其研究領(lǐng)域涵蓋電子病歷、醫(yī)療健康大數(shù)據(jù)分析與挖掘、醫(yī)療自然語(yǔ)言處理、智能醫(yī)學(xué)影像分析、智能問答系統(tǒng)、智能輔助診斷、遠(yuǎn)程醫(yī)療、遠(yuǎn)程會(huì)診、智慧醫(yī)院、個(gè)人隱私保護(hù)等方向. 為響應(yīng)“健康中國(guó)”理念，進(jìn)一步推進(jìn)智慧醫(yī)療技術(shù)在醫(yī)療領(lǐng)域的深入應(yīng)用，構(gòu)建智慧醫(yī)療體系和平臺(tái)助力醫(yī)院向數(shù)字化、信息化轉(zhuǎn)型發(fā)展，本刊征集了智慧醫(yī)療領(lǐng)域的學(xué)術(shù)論文以介紹最新研究進(jìn)展，旨在為讀者提供智慧醫(yī)療相關(guān)研究的新視角、新方向，并推動(dòng)本學(xué)科的建設(shè)和發(fā)展. ?？彩珍浾撐?5篇，主要研究方向涵蓋了計(jì)算機(jī)輔助醫(yī)學(xué)診斷、計(jì)算機(jī)輔助疾病治療、計(jì)算機(jī)輔助健康管理和科普論文4個(gè)方面，所用技術(shù)涉及醫(yī)學(xué)圖像處理技術(shù)、醫(yī)學(xué)文本處理技術(shù)、面向多模態(tài)數(shù)據(jù)的機(jī)器學(xué)習(xí)技術(shù)、生理信號(hào)檢測(cè)與分類技術(shù)、計(jì)算機(jī)三維模擬技術(shù)和人機(jī)交互技術(shù)等.

首先，隨著計(jì)算機(jī)技術(shù)的不斷發(fā)展，計(jì)算機(jī)輔助醫(yī)學(xué)診斷已經(jīng)成為了協(xié)助醫(yī)生進(jìn)行疾病診斷的重要手段之一，這些技術(shù)可以輔助專家發(fā)現(xiàn)病灶，進(jìn)而提高診斷的敏感性和特異性. 根據(jù)研究對(duì)象的不同，計(jì)算機(jī)輔助醫(yī)學(xué)診斷任務(wù)可分為以下4類：

（1）基于醫(yī)學(xué)圖像處理技術(shù)的計(jì)算機(jī)輔助醫(yī)學(xué)診斷：包括CT、心電圖在內(nèi)的圖像數(shù)據(jù)在醫(yī)學(xué)診斷方面往往起到?jīng)Q定性作用，對(duì)圖像數(shù)據(jù)進(jìn)行精準(zhǔn)判斷可以有效提升診斷的準(zhǔn)確性. 針對(duì)宮頸癌異常細(xì)胞檢測(cè)任務(wù)，姚超等[1]提出了一種新的超大尺寸病理圖像宮頸癌異常細(xì)胞檢測(cè)策略. 該方法通過基于深度學(xué)習(xí)的圖像分類網(wǎng)絡(luò)判斷局部區(qū)域是否出現(xiàn)異常細(xì)胞，使用單階段的目標(biāo)檢測(cè)方法進(jìn)行分析，從而實(shí)現(xiàn)異常細(xì)胞的快速檢測(cè)以及精確定位識(shí)別.針對(duì)肝細(xì)胞癌分化程度的無創(chuàng)性定量估測(cè)問題，賈熹濱等[2]提出了一種基于自注意力指導(dǎo)的多序列融合肝細(xì)胞癌組織學(xué)分化程度無創(chuàng)判別計(jì)算模型，用于協(xié)助放射科醫(yī)生進(jìn)行肝細(xì)胞癌分化程度判別. 相對(duì)于幾種基準(zhǔn)模型和主流模型，該模型擁有最高的分類計(jì)算性能. 針對(duì)肺結(jié)節(jié)圖像處理任務(wù)，李陽(yáng)等[3]提出了一種基于群體智能優(yōu)化的多核學(xué)習(xí)支持向量機(jī)算法，解決了單一核函數(shù)無法兼顧學(xué)習(xí)能力與泛化能力以及模型參數(shù)尋優(yōu)的問題. 該方法采用深度特征作為輸入，提出多項(xiàng)式核和拉普拉斯核凸組合的多核函數(shù)支持向量機(jī)算法，并將雜交操作引入粒子群算法. 該方法可以得到較優(yōu)的分類指標(biāo)，從而輔助肺癌早期篩查. 針對(duì)超聲心動(dòng)圖像處理問題，張文靜等[4]提出了一種基于標(biāo)準(zhǔn)切面識(shí)別的房間隔缺損智能輔助診斷模型，用于解決圖像質(zhì)量差、噪聲多，傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)對(duì)超聲心動(dòng)圖像的學(xué)習(xí)能力有限、表達(dá)不充分的問題. 該方法通過對(duì)超聲心動(dòng)圖像進(jìn)行切面識(shí)別，充分融合其不同切面的語(yǔ)義特征，使得診斷的準(zhǔn)確率得到明顯提升.針對(duì)顯微環(huán)境下多圖融合效率低、失焦擴(kuò)散效果嚴(yán)重的問題，印象等[5]提出一種最大特征圖空間頻率融合策略，以提高圖像可讀性，輔助進(jìn)行精準(zhǔn)診斷與病情分析. 該方法通過在基于無監(jiān)督學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)中增加后處理模塊，規(guī)避了兩兩串行融合中冗余的特征提取過程，顯著提高了多張圖像的多聚焦圖像融合效率. 同時(shí)，該方法還提出了一種矯正策略，在保證融合效率的情況下，有效緩解失焦擴(kuò)散效應(yīng)對(duì)融合圖像質(zhì)量的影響.

（2）基于文本數(shù)據(jù)處理技術(shù)的計(jì)算機(jī)輔助醫(yī)學(xué)診斷：除了圖像數(shù)據(jù)外，文本數(shù)據(jù)也是醫(yī)生診療過程中的一種較為常見的數(shù)據(jù)類型. 針對(duì)中醫(yī)中的臟腑定位任務(wù)，張德政等[6]提出了一種基于ALBERT和Bi-GRU的多標(biāo)簽文本分類模型，為實(shí)現(xiàn)中醫(yī)輔助診療的臟腑辨證提供有力支持. 該模型能夠有效地捕捉上下文信息生成高層次的文本語(yǔ)義信息表示，之后再對(duì)高層次信息表示進(jìn)行分類. 相較于BERT方法以及其他傳統(tǒng)方法，該方法在F1值以及預(yù)測(cè)效率上均有所的提升. 針對(duì)電子病歷中的隱含特征和病癥的關(guān)聯(lián)任務(wù)，鞏敦衛(wèi)等[7]提出一種融合多特征嵌入與注意力機(jī)制的命名實(shí)體識(shí)別算法，旨在高效精準(zhǔn)地進(jìn)行病程追蹤以及構(gòu)建患者畫像. 該方法在輸入表示層融合字符、單詞、字形3個(gè)粒度的特征，并在雙向長(zhǎng)短期記憶網(wǎng)絡(luò)的隱含層引入注意力機(jī)制，使算法在捕獲特征時(shí)更加關(guān)注于醫(yī)療實(shí)體相關(guān)的字符，最終實(shí)現(xiàn)對(duì)中文電子病歷中疾病、身體部位、癥狀、藥物、操作5類實(shí)體的最優(yōu)標(biāo)注.

（3）面向多模態(tài)數(shù)據(jù)的計(jì)算機(jī)輔助醫(yī)學(xué)診斷：除了利用單一模態(tài)的數(shù)據(jù)進(jìn)行輔助診療以外，同時(shí)利用多模態(tài)數(shù)據(jù)進(jìn)行過輔助診療也是一種較為有效的手段. 張?zhí)壹t等[8]提出了一種基于多模態(tài)數(shù)據(jù)融合的醫(yī)療輔助診斷方法，利用結(jié)合的信息自動(dòng)預(yù)測(cè)患者的病情. 該方法將患者的影像信息（如CT圖像）和數(shù)值數(shù)據(jù)（如臨床診斷信息）這兩個(gè)不同模態(tài)的數(shù)據(jù)相結(jié)合，提高了自動(dòng)診斷準(zhǔn)確率，降低了診斷誤差. 同時(shí)，由于所提出的醫(yī)療輔助診斷模型可以一次性處理多種類型的數(shù)據(jù)，因此能夠在一定程度上節(jié)省診斷時(shí)間.

（4）基于生理信號(hào)檢測(cè)技術(shù)的計(jì)算機(jī)輔助醫(yī)學(xué)診斷：生理信號(hào)是人體健康評(píng)估的重要參數(shù)，及時(shí)和準(zhǔn)確地進(jìn)行檢測(cè)對(duì)現(xiàn)代健康保健和智能醫(yī)療應(yīng)用具有極為重要的意義. 針對(duì)非接觸式生理信號(hào)檢測(cè)任務(wù)，劉璐瑤等[9]提出了基于小波分析和自相關(guān)計(jì)算的檢測(cè)方法，旨在解決較微弱的生理信號(hào)易被呼吸諧波和噪聲淹沒，從而引起的提取難、識(shí)別難的問題. 該方法采用調(diào)頻連續(xù)波雷達(dá)實(shí)現(xiàn)非接觸式生理信號(hào)檢測(cè)，有效降低了生理信號(hào)檢測(cè)的誤差.針對(duì)血糖檢測(cè)任務(wù)，李婷等[10]提出了一種基于ECG信號(hào)的高精度血糖監(jiān)測(cè)方法，實(shí)現(xiàn)了無創(chuàng)檢測(cè)連續(xù)血糖. 該方法通過利用遞歸濾波器實(shí)現(xiàn)ECG信號(hào)的濾波，并采用卷積神經(jīng)網(wǎng)絡(luò)和長(zhǎng)短期記憶網(wǎng)絡(luò)相結(jié)合(CNN-LSTM)的方法，實(shí)現(xiàn)了血糖水平的十分類監(jiān)測(cè)，并通過實(shí)驗(yàn)探索了個(gè)體建模和群體建模2種建模方式的差異，實(shí)現(xiàn)血糖水平的實(shí)時(shí)、精準(zhǔn)監(jiān)測(cè). 針對(duì)傳統(tǒng)的心電圖持續(xù)時(shí)間短，一些在日常生活中偶然發(fā)生的心律失常不容易被檢測(cè)出來的問題，許越凡等[11]提出了一種融合手工特征和深度特征的集成超限學(xué)習(xí)機(jī)心跳分類方法，實(shí)現(xiàn)了高準(zhǔn)確率心跳類別分類. 該方法使用一維卷積神經(jīng)網(wǎng)絡(luò)對(duì)心跳信號(hào)特征進(jìn)行自動(dòng)提取并利用基于Bagging 策略的多 ELM 集成方法對(duì)特征融合進(jìn)行心跳分類，有助于準(zhǔn)確檢測(cè)人體心律失常的癥狀從而進(jìn)一步預(yù)防心血管疾病.

其次，隨著現(xiàn)代醫(yī)療技術(shù)的進(jìn)步，計(jì)算機(jī)模擬技術(shù)在輔助疾病治療方面也起到了重要的作用.針對(duì)孔源性視網(wǎng)膜脫離的手術(shù)治療任務(wù)，徐衍睿等[12]提出了一種基于物理的硅油填充模擬方法輔助視網(wǎng)膜手術(shù)過程分析，為手術(shù)方案制定以及提高患者視力預(yù)后提供決策支持. 該方法使用基于物理建模方法與計(jì)算機(jī)數(shù)值離散化技術(shù)對(duì)眼內(nèi)受力、硅油填充狀態(tài)進(jìn)行分析，并對(duì)填充模擬過程進(jìn)行三維模型構(gòu)建與可視化，實(shí)現(xiàn)以最小硅油填充量達(dá)到最佳治療效果的醫(yī)療過程決策輔助目標(biāo).針對(duì)視網(wǎng)膜血管分割任務(wù)，姜大光等[13]從血管形狀拓?fù)潢P(guān)系利用的角度出發(fā)，探索多任務(wù)卷積神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)，提出骨架圖引導(dǎo)的級(jí)聯(lián)視網(wǎng)膜血管分割網(wǎng)絡(luò)框架. 該框架包含血管骨架圖提取網(wǎng)絡(luò)模塊、血管分割網(wǎng)絡(luò)模塊和若干自適應(yīng)特征融合結(jié)構(gòu)體. 論文所提方法在3個(gè)公共視網(wǎng)膜圖像數(shù)據(jù)集上均獲得第一名，在DRIVE，STARE和CHASEDB1中其F1值分別為83.1%，85.8%和82.0%.

再次，隨著當(dāng)代生活水平與教育水平的改善，人們的健康關(guān)注度也越來越高，計(jì)算機(jī)技術(shù)在輔助健康管理方面的重要性也日益提升. 高質(zhì)量睡眠與兒童的身體發(fā)育、認(rèn)知功能、學(xué)習(xí)能力等密切相關(guān)，由于兒童睡眠障礙的早期癥狀不明顯，因此往往需要進(jìn)行長(zhǎng)期監(jiān)測(cè). 針對(duì)兒童睡眠監(jiān)測(cè)任務(wù)，許力等[14]提出了一種兒童的自動(dòng)睡眠分期方法，用于預(yù)防兒童睡眠障礙. 該方法利用多導(dǎo)睡眠圖記錄的單通道腦電信號(hào)，在Alexnet的基礎(chǔ)上進(jìn)行改進(jìn)，并采用重疊的方法對(duì)數(shù)據(jù)集進(jìn)行了擴(kuò)充，獲得了具有較高準(zhǔn)確率的兒童睡眠分期結(jié)果.

最后，本刊也收錄了綜述性文章以給讀者提供對(duì)相應(yīng)領(lǐng)域的全面思考. 觸覺作為人的一種獨(dú)特的感官通道具有獨(dú)特的優(yōu)勢(shì)，振動(dòng)觸覺編碼的設(shè)計(jì)是開發(fā)觸覺的一個(gè)重要途徑，也是未來人機(jī)交互的一種重要手段. 人們對(duì)觸覺體驗(yàn)的高階追求以及特殊行業(yè)對(duì)觸覺編碼的迫切需求推動(dòng)了振動(dòng)信息編碼領(lǐng)域的發(fā)展. 目前，國(guó)內(nèi)外振動(dòng)信息編碼的研究仍處于初步階段，對(duì)當(dāng)前振動(dòng)信息編碼領(lǐng)域?qū)嶒?yàn)手段和結(jié)論進(jìn)行總結(jié)有助于研究者快速了解該領(lǐng)域知識(shí)架構(gòu)，明確研究方向與手段. 杜靜宜等[15]從振動(dòng)觸覺感知機(jī)理入手，討論了不同振動(dòng)參數(shù)的振動(dòng)觸覺分辨率和振動(dòng)信息編碼理論，并按照方向?qū)Ш胶臀淖纸换サ膽?yīng)用對(duì)振動(dòng)信息編碼進(jìn)行歸納總結(jié)，介紹了振動(dòng)信息編碼的實(shí)驗(yàn)手段和結(jié)論，最后展望了振動(dòng)信息編碼領(lǐng)域未來的發(fā)展前景.

本?？偨Y(jié)了智慧醫(yī)療領(lǐng)域的一些最新進(jìn)展，為智慧醫(yī)療基礎(chǔ)理論、前沿技術(shù)和關(guān)鍵技術(shù)的發(fā)展起到了促進(jìn)作用，為加速我國(guó)人工智能技術(shù)在智慧醫(yī)療領(lǐng)域內(nèi)的應(yīng)用提供了幫助. 因此，我們真誠(chéng)地感謝所有作者的創(chuàng)新作品和所有審稿專家的審稿意見. 最后，我們衷心地感謝《工程科學(xué)學(xué)報(bào)》編輯團(tuán)隊(duì)的辛勤工作，讓?？靡猿霭?