当前位置:首页 > 科学研究> 最新研究成果 > 清华大学医学院廖洪恩团队在人工智能挖掘影像基因组学领域合作成果发表系列论文,接轨中国“脑计划”

清华大学医学院廖洪恩团队在人工智能挖掘影像基因组学领域合作成果发表系列论文,接轨中国“脑计划” 时间:2018-09-15 16:41:42.0

清华大学医学院生物医学工程系特聘专家廖洪恩教授课题组通过人工智能技术学习大量脑干胶质瘤患者的磁共振影像学特点,深度挖掘其与该基因的关联,获得医生难以获得的诊断经验。系列研究成果以题 “一种级联的深度学习网络用于脑干胶质瘤的自动化分割及基因预测”(A Cascaded Deep Convolutional Neural Network for Joint Segmentation and Genotype Prediction of Brainstem Gliomas)在生物医学工程领域知名期刊《IEEE生物医学工程汇刊》(IEEE Transactions on Biomedical Engineering)上,并入选该杂志9月份的“热点文章”(Featured Articles)。清华大学医学院廖洪恩教授是该研究的通讯作者,博士生刘佳为该研究的第一作者,首都医科大学附属天坛医院张力伟教授为共同通讯作者。同时,还在临床核医学领域知名期刊《放射治疗与肿瘤学》(Radiotherapy and Oncology)上在线发表了题为“基于机器学习的利用磁共振成像和临床参数特征预测脑干胶质瘤H3 K27M突变的模型”(A Machine Learning-based Prediction Model of H3 K27M Mutations in Brainstem Gliomas using Conventional MRI and Clinical Features)。首都医科大学附属天坛医院张力伟教授与清华大学医学院廖洪恩教授是该研究的共同通讯作者,首都医科大学附属天坛医院博士后泮长存和清华大学医学院博士生刘佳为该研究的共同第一作者。上述两项工作,一项实现了方法学的创新,采用人工智能技术学习大量脑干胶质瘤患者的磁共振影像学特点,深度挖掘其与该基因的关联;一项从临床需求出发,利用机器学习探索影像学与基因的关联度后建立易于使用的简易预测模型。不仅帮助医生获得基因学的诊断依据,而且方法分析得到与基因关联密切的影像学与临床参数能够提高医生的诊断经验。



06c3d0509ede723cecee0b2c85258d4e-sz_149798.jpg

基于深度学习技术实现脑干胶质瘤自动分割及H3 K27M基因预测,入选《IEEE生物医学工程汇刊》2018年最新一期“热点文章”(Featured Articles)



中国“脑计划”(脑科学研究计划)作为重大科技项目被列入“十三五”规划。中国“脑计划”主要有两个研究方向:以探索大脑秘密、攻克大脑疾病为导向的脑科学研究,及以建立和发展人工智能技术为导向的类脑研究。脑疾病是我国乃至全球人口健康领域正面临的重大挑战。目前,绝大部分脑疾病尚无有效治疗方法。而脑胶质瘤是神经外科脑疾病中非常重要的一部分,占脑部肿瘤的一半以上,其中脑干胶质瘤是脑部肿瘤治疗中最复杂、难度最大,也是致死和致残率最高的原发性肿瘤。脑部肿瘤疾病的治疗,若将脑干胶质瘤攻破,对于脑部肿瘤的治疗意义重大。


为了提高脑干胶质瘤的诊疗水平,清华大学医学院廖洪恩教授团队与临床紧密结合,首先在临床数据上分析了脑干胶质瘤(Brainstem Gliomas,BSG)疾病相关的特异性基因H3 K27M与患者生存曲线的关联,表明了H3 K27M突变可用作BSG患者的诊断和治疗选择的合格生物标志物,该基因对BSG患者的治疗及预后评估具有重要临床意义。然后,从医生的临床诊断经验出发,提取BSG患者的磁共振影像特征结合采集到的临床参数,利用机器学习技术建立预测模型,计算出脑干胶质瘤患者发生H3 K27M基因突变的概率。在此基础上,考虑到脑干胶质瘤大多为弥漫内生型桥脑胶质瘤,肿瘤边界模糊难以区分,对医生的临床经验要求高,且该肿瘤边界的确定对后续的疾病治疗至关重要。因此,研究团队又进一步通过深度学习自动化提取脑干胶质瘤区域,并进行影像组学特征提取,结合深度学习与机器学习技术,自动化分割脑干胶质瘤的同时构建出脑干胶质瘤特异性H3 K27M基因突变发生的人工智能预测模型。实验结果证明,该模型使神经外科医生能够无创、术前预测脑干胶质瘤患者发生H3 K27M基因突变的概率,帮助医生对患者的预后进行更加有效的评估,制定更加个性化的治疗方案。


52fdc097ecf265207b3616af38f0ea68-sz_194167.jpg

磁共振影像特征提取与机器学习建立基因预测模型框架图


在此之前,H3 K27M基因仅能通过立体定向活检及肿瘤切除手术进行肿瘤样本提取,然后送到基因测序中心进行基因测序才能获得,经济成本很高,最重要的是这种有创的方法对患者身体的负担更大。此外,目前医生无法通过脑干肿瘤的磁共振影像进行预测H3 K27M基因突变的发生风险。研究团队利用机器学习、深度学习、影像组学等技术,深度挖掘脑干胶质瘤患者的磁共振影像学特征与特异性基因间的关联,从而获得医生难以获得的诊断经验。


ff5d7c5442192f1d644a7b4900fdcd37-sz_151236.jpg

两例脑干胶质瘤体积医生标注(绿色)和分割结果(红色)重叠三维可视化及基因预测不同方法比较结果


上述研究获得北京市科学技术委员会、国家自然科学基金委、国家重点研发计划“数字诊疗装备研发”重点专项、北京市自然科学基金委等的经费支持。


廖洪恩教授带领的团队“清华大学微创诊疗与三维影像实验室”积极响应中国“脑计划”的号召,与脑外科疾病诊治领域国内领先的北京天坛医院、北京清华长庚医院等临床机构深度合作,致力于解决脑外科精准诊疗的关键科学难题。从临床需求出发,将信息学、电子学和医学整合融汇,开展了智能医学图像处理、三维影像可视导航及智能机器人的研究与开发。先后提出并实现了基于术前术中多模态信息融合分析实时诊疗引导脑外科治疗系统,智能型微创手术机器人辅助脑外科精准诊疗理论,三维影像空间透视融合导航技术等领先成果,为脑外科疾病的跨尺度多模态成像引导智能化精准诊疗理论的建立奠定了坚实的基础。相关研究被国际知名学术期刊《诊疗》(Theranostics)、《医学影像分析》(Medical Image Analysis)、《IEEE医学影像汇刊》(IEEE Transaction on Medical Imaging)、《IEEE生物医学工程汇刊》(IEEE Transactions on Biomedical Engineering)、《IEEE 生物医学与健康信息学》(IEEE Journal of Biomedical and Health Informatics)等报道,团队提出的应用于脑干组织分割的研究在2018年度物理与生物医学工程国际学术会议(World Congress On Medical Physics& Biomedical Engineering)上还入选了“青年学者奖”(Young Investigator Award,入选率<1%)。






◎论文链接:

https://tbme.embs.org/2018/08/24/a-cascaded-deep-convolutional-neural-network-for-joint-segmentation-and-genotype-prediction-of-brainstem-gliomas/


https://www.ncbi.nlm.nih.gov/pubmed/30097251

 

◎微创诊疗与三维影像实验室网站:http://at3d.med.tsinghua.edu.cn/





上一篇: 清华大学医学院林欣课题组在《Immunity》 发文揭示肠... 下一篇: 清华大学医学院生物医学影像研究中心博士生李赟铎在NE...