|
【升學規劃意見調查】填寫海外升學問卷調查，有機會獲得$50超市券
|
王平安指，早期肺癌多以肺小結節的形式出現，即肺部出現陰影，現時醫生主要透過胸腔CT圖像做檢查，但每次檢查都會產生數百張圖像，需花長時間用肉眼逐張觀察，非常費神。其團隊採用深度學習技術判讀CT掃描影像，結果發現只需30秒，便可自動識別出肺部陰影位置，準確度達91%，而肉眼檢查約需5分鐘。
中大工程學院開發人工智能深度學習閱讀CT圖像，微小至肉眼難以見到的地方，智能技術也可以偵測到；如圖中在肺部上的白點雖然不太明顯，但智能技術可偵測出有可疑，並以0.992代表該位置屬腫瘤的機率。（受訪者提供）
王平安表示，一般乳腺癌要通過乳房X光造影或MR掃瞄檢測硬塊位置，醫生需切取活組織樣本，再用顯微鏡拍攝圖像，檢測淋巴結轉移，但每幅圖解像度極高，令檢測過程費時費力。團隊為此開發了一種新的深層疊卷積神經網絡，分階段處理乳腺癌切片圖像，先作較粗略但能保持高靈敏度的快速預測模型，重構出更精密而準確的預測結果，最後定位並挑選含淋巴結轉移的圖像。整個過程只需約5至10分鐘，準確度達98.75%，而靠肉眼則需15至30分鐘，準確度亦較前者低約兩個百分點。
中大團隊發現，採用深度學習技術判讀CT掃描圖像，僅需30秒就能自動識別出可能出現肺小結節（早期肺癌徵兆）的位置，準確度達九成，當中的P代表其概率值，以0至1代表，若P等於1，即代表該位置懷疑是腫瘤的機率極高。（受訪者提供）
與3北京醫院合作開發產品
中大計算機科學與工程學系博士研究生竇琪稱，智能深度學習可協助醫生觀看掃描圖像，當發現可疑圖像時，系統便會通知醫生。團隊5年前展開相關實驗，年花約300萬元，並多次就有關實驗參與國際學術比賽。今次肺癌和乳腺癌的研發數據來自多個國家、共逾3500名病人，研發結果亦在國際學術比賽中名列前茅，獲醫學界正面回應，現聯同3間北京的醫院合作開發相關產品，為癌症早期診斷和治療提供可靠數據，亦開始與本港公立醫院洽商，期望兩年後技術可在本港醫院應用。
