科研人員研發AI新技術實現腫瘤檢測新突破

中國科學院自動化研究所、中國科學院分子影像重點實驗室針對小動物活體的生物自發光斷層成像（Bioluminescence Tomography）重建精度較差的挑戰性科學問題，開展了基於人工智慧技術的新型成像方法研究，將小鼠顱內腦膠質瘤的三維定位精度，由傳統方法的百微米級誤差縮小到了十微米級，獲得新進展。

生物自發光斷層成像可以高特異性、定量可視化荷瘤動物體內腫瘤細胞的三維分布，是在活體動物上開展腫瘤基礎研究的一項重要影像學工具。然而，由於光子在生物體內具有非均勻化的高散射和高吸收的物理特性，通過探測動物體表的發光光斑來逆向重建出生物體內的光源位置（即腫瘤位置），是一項極具挑戰性的工作。傳統方法是通過構建擴散近似方程來描述光子在生物體內的傳播過程，再通過逆向求解該方程獲取光源在動物體內的三維分布，即所謂的前向模型和逆向求解。這一方法具有兩大局限：前向模型難以精確描述光子在生物體內的傳播，有誤差；逆向求解的方程具有嚴重的病態性，也會帶來誤差。兩種誤差疊加在一起具有放大效果，最終導致光學斷層成像對於動物體內腫瘤的三維定位具有數百微米到1毫米的誤差。這顯著限制了科研人員對於早期微小腫瘤的檢測和研究。

中科院分子影像重點實驗室團隊，提出基於機器學習的人工智慧重建：完全捨棄構建前向模型去描述光子在生物體內的傳播，通過構建大量的模擬數據集，在模擬數據上確定動物體表的光斑和體內的光源，再通過該數據集訓練計算機智能化學習體表光斑和體內光源的非線性關係，從而構建出適用於生物自發光斷層成像的人工智慧模型，最終三維重建活體動物荷瘤模型內的腫瘤三維分布。這一方法直接避免了傳統方法的前向模型誤差和逆向求解誤差，因此有望顯著提高成像精度。

基於這一新型思路，該團隊通過自主研發的MOSE光學模擬平台，提出一種新型的模擬數據構建方法，人工構建了近8000例原位腦膠質瘤荷瘤小鼠；並基於這一資料庫，構建了一種新型的機器學習方法。研究人員把該模擬數據構建加機器學習重建的策略統一稱之為MP-IPS方法（Multilayer Perceptron-based Inverse Problem Simulation）。在人工智慧模型通過該方法訓練和構建完成後，研究團隊構建了數十隻原位腦膠質瘤荷瘤小鼠的動物模型，並對該批動物分別進行了CT-MRI-光學三個成像模態的圖像掃描。通過MP-IPS方法和傳統方法，分別對每隻小鼠進行了生物自發光斷層成像的三維可視化重建。最終結果表明，新型人工智慧方法對於腦膠質瘤的三維定位誤差均小於80微米，而傳統方法的定位誤差為350微米以上。該項研究揭示了人工智慧在提高生物醫學成像的成像精度上，具有顯著的優越性和應用潛力，為疾病動物模型乃至臨床患者的影像學研究提供了全新的思路。

相關研究發表於Optica期刊2018年第5卷第11期，中科院分子影像重點實驗室的高源和王坤為並列第一作者。

來源：中國科學院自動化研究所

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！