广州7月12日电 (蔡敏婕 简文杨)中山大学附属第六医院12日发布消息称，该结直肠肛门外科吴小剑团队在国际上率先实现了自主结肠癌病灶影像精准分割的人工智能临床解决方案。相关研究结果在医学影像人工智能算法期刊《医学图像分析》发表。

基于影像的自动分割技术能够辅助医生精确了解病灶的位置、大小以及与周围血管、组织的关系，帮助疾病诊断、图像引导手术以及医学数据的可视化，为临床诊疗和病理学研究提供可靠的依据。当前，能否实现全自动的、精准的病灶分割是决定医学影像在临床使用效果的关键。

近年来，深度神经网络的快速发展使得许多先进的分割方法都取得了进展，但与肝脏、心脏等器官相比，由于肠道肿瘤的形态、位置的变化大，因此，肠道肿瘤的自动分割任务难度高。特别是结肠癌，因病灶分布范围大、解剖结构复杂，一直未能实现有效的病灶自动分割，这一现状制约了肠癌精准诊疗人工智能的临床应用。

对此，中山大学附属第六医院吴小剑教授团队牵头，联合喀什地区第一人民医院邹小广教授团队、上海人工智能实验室开展研究，在国际上率先实现了自主结肠癌病灶影像精准分割的人工智能临床解决方案，源于其开发的结肠癌病灶自动精准分割的医学影像人工智能弱监督-半监督框架(Segmentation Only Uses Sparse Annotations，SOUSA)，并发表题为《只使用稀疏标注的病灶分割：医学图像的联合弱学习和半监督学习》的通讯。

中山大学附属第六医院发布的消息称，在本研究中，团队利用来自中山六院和喀地一院的923例有标注结肠癌CT影像和2670例无标注结肠癌CT影像作为SOUSA框架的训练数据集，并利用417例结肠癌CT影像对SOUSA框架进行验证，结果显示其自动分割效果优于现有的弱监督和半监督学习模型。

据介绍，此次SOUSA技术的开发在国际上首次实现了结肠癌的自动分割，为加速肠癌人工智能精准诊疗的临床应用奠定了基础。自动化标准化的精准影像信息处理将有效地降低经济、时间和人力成本，为精准诊疗的实施提供了临床依据。(完) 【编辑:程春雨】