【Nature子刊】科学家开发基于AI的器官分割软件，助力精准化医学影像分析

导言：患者的肝脏状况如何？服药会给肝脏带来哪些影响？肾脏发炎了吗？脑中是否有肿瘤，是否已经转移？目前来看，生物科学家和医生们不得不筛选并分析大量数据，才能回答这些问题。

成像技术可以对生物体内部进行详细的观察，但是分析这些数据非常耗时，需要大量的经验与人力。

而人工神经网络的开发为此开辟了新的可能：近日，慕尼黑工业大学（TUM）的一个跨学科研究团队开发了一种神经网络自学习算法，可以帮助人们对生物科学图像数据进行分析，大大提高分析效率以及准确度。

这项工作近期发表于《自然通讯》杂志，题为“Deep learning-enabled multi-organ segmentation in whole-body mouse scans”。

该项目名为AIMOS，意思是基于AI的小鼠器官分割（AI-based Mouse Organ Segmentation）。AIMOS软件的核心是人工神经网络，它与人脑一样，具有学习能力。

AIMOS是一种全自动的、端到端的深度学习管道，可在3D扫描图像中以不同的成像方式分割小鼠的多个器官

该研究的第一作者，Oliver Schoppe解释说：“三维成像的分析过程非常复杂，过去你必须告诉计算机程序你想让它们做什么，而神经网络不需要这样的指令：通过多次提出问题并给出解决方案来训练它们就足够了。渐渐地，算法就可以识别相关的模式，并能够自动找出正确的解决方案。”

训练自学习算法

在AIMOS项目中，研究人员借助小鼠图像对算法进行了训练。目的是将3-D全身扫描图像与特定器官进行配对，例如胃、肾脏、肝脏、脾脏或大脑。根据配对情况，程序就可以显示出各器官的精确位置和形状。

分割效果的定性结果

Schoppe回忆说：“我们很幸运能够获得来自不同研究项目的数百只小鼠的图像，所有这些图像都已经由两位生物学家进行了解析。” 该团队还从Helmholtz Zentrum München组织工程与再生医学研究所获得了荧光显微3-D扫描技术。

通过一种特殊的技术，研究人员将死亡小鼠进行完全脱色。透明体可以用显微镜进行逐层成像。各测量点之间的距离只有6微米，相当于一个细胞的大小。同时，生物学家也根据这些数据集中定位了器官。

人工智能提高准确性

在TUM转化中心，信息技术人员将数据导入给他们的新算法。该算法的学习速度比预期的要快，研究人员表示：“我们只需要大约10次全身扫描，软件就能在几秒钟内成功地分析图像数据。对于人工，完成这样的分析大约需要一个小时的时间。”

随后，研究小组通过对小鼠进行200次全身扫描，检查了人工智能的可靠性。慕尼黑工业大学的Bjoern Menze教授总结道：“研究结果表明，自学习算法不仅在分析生物图像数据方面比人类更快，而且更精确。”

分割效果的定量结果

该智能软件将在未来特别是在基础研究中具有广泛的应用前景：“小鼠的图像对于生物医学领域许多应用前景具有巨大潜力，未来使用自学习算法分析图像数据将节省大量时间。”

AIMOS可以应用于其他成像模式

参考资料：

【1】https://medicalxpress.com/news/2020-12-self-learning-algorithms-medical-imaging.html

【2】https://www.nature.com/articles/s41467-020-19449-7

本文转载自转化医学网，作者转网