原创·首发·独家
随着医学技术的快速发展，借助影像医学更准确地定位病灶、判断病情、制定治疗方案成为更多医生和患者的选择。尽管影像片子可以通过仪器获取，但其解读还是主要由医生人工进行，这项工作耗时费力且高度依赖于医生的临床经验和专业知识。而长时间的病理诊断又容易产生疲劳，进一步降低病理诊断的准确度。
我校信息科学与工程学院2019级本科生张宇泓经过观察思考后发现了这一现象，“如果能借助AI人工智能技术辅助仪器设备解读影像片子，岂不是更准确快速？”他萌生了设计一款“医学影像工具箱”的想法。张宇泓在对计算机图形学等知识有所了解的同时，对深度学习框架也有一定的实践经验，并且之前就在计算机视觉和医学方面做过一些研究实验。在产生设计“医学影像工具箱”的想法后，他又进行了一些相关的科研调研，然后组织团队正式开始了“医学影像工具箱”的设计。
在组建团队时，张宇泓认为团队成员不在多而在精，因此团队仅有几位同学，分别是负责模型移植和精度复现提升的信息科学与工程学院博士生张震，负责为团队做数据集的第一临床医学院2022级博士生陈鑫龙，负责商业企划和财务管理的信息科学与工程学院2020级本科生周功海，以及负责宣传推广的信息科学与工程学院2020级本科生谢皓泽。在初步磨合后，团队就开始了紧张的工作。张震基于胰腺前景数据进行标注，其他队员也会按照每周收到标注的数据，定量按计划的完成，最后张宇泓主要负责模型搭建，将数据整合到一起。
该项目从计算机技术角度出发，将人体影像数据可视化，为医学治疗提供了一个新的思路。团队选择了胰腺医学图片的判读来展开项目。之所以选择胰腺医学图片，是因为胰腺是一种形状多变的软组织结构，在所有人体基本器官中，胰腺是最具有挑战性的研究对象。同时胰腺癌也是造成全球癌症死亡的主要原因之一，且胰腺癌一经发现往往就是中晚期，预后存活率很低。因此，如果说能够在胰腺组织上实现较好的分割效果，那么将研究方法模型迁移到其他器官上，也一定有效甚至可以取得更好的效果。
项目设计的胰腺“医学影像工具箱”系统包括医学图像采集、切图分割、整图预测等模块。通过采集、提取，然后将切图预测信息输入模型，最终生成整图预测信息。根据场景实际需求，团队还设计了一个端到端数据自适应胰腺分割系统(简称MSAS)，从视图、分辨率等方面对图像质量进行了标准化，未来将有望解放影像科医生对影像的手动标注，使医生无需进行复杂的操作，极大地提高了诊断效率。
项目开展过程得到了兰州大学第一医院、超算中心以及华为云的支持。兰大一院提供了胰腺前景数据，帮助团队节省了前期时间；超算中心提供了很多计算服务；华为云则提供了高性能的服务器，这对于后期的迁移调试带来了非常大的帮助。项目已经在兰州大学第一医院完成了初步试点。
团队的指导老师张洋在计算资源方面提供了很大支持，老师会根据自己的经验指导完善项目的各个流程。在最后的文书检查阶段，老师也给出了一些关于项目商业化的建议。2022年8月，团队带着“基于Mindspore的医学影像分析工具箱”项目参加了第八届中国国际“互联网+”大学生创新创业大赛甘肃分赛的产业命题赛道，荣获金奖。
当然，项目推进的过程不可能是一帆风顺的，之中也遇到了很多困难。由于是一个学科交叉的项目，并且团队中既有临床专业也有计算机专业的同学，开展过程中最大的问题是相互理解不了对方所言。因此，计算机专业的同学会主动去学一些临床影像学的基础知识，如CT成像的基本原理等，临床医学专业的同学也会在提供数据的过程中更加注意数据的准确性和精细化。而到后期在兰大一院初步试点时，团队发现此前的模型并不能直接迁移到新数据上，其中存在应用数据是否精细化处理的问题。为了进一步优化项目，成员们仔细比对新数据与原始数据，仔细修改迁移数据，最终迁移数据的格式和规模与原始数据达成了一致，这才取得了相对较好的效果。
在产品实际的试点过程中，团队逐步发现还有很多不完善的地方，比如不能够直接适用于一些复杂的场景，以及产品还有很多待开发的功能等。张宇泓说道：“我希望能够带一些学弟学妹继续完善这个项目，早日让它落地，争取让大家看到更多AI+医疗在影像学领域的应用场景和实际应用价值！”