AI赋能脑肿瘤诊断治疗！宁诺团队再度登顶国际赛事

本次分获一、二等奖的改进型U型网络（U-Net）人工智能神经网络架构和改进型深度残差网络（ResNet）人工智能神经网络架构均由宁诺团队自主研发，通过创新的解决方案成功突破了脑肿瘤患者病变前医学影像缺失以及病理切片人工读片效率低下的瓶颈，并已在宁波数所三甲医院开展临床试用。目前，相关技术已吸引了来自欧洲的潜在合作方。

作为医学图像领域颇具权威性的国际赛事，国际脑肿瘤分割挑战赛对参赛队伍的人工智能理论知识及实际运用有着极高的要求。本次赛事吸引了斯坦福大学、哈佛大学、牛津大学、香港中文大学、中山大学等多所海内外知名高校的700多个参赛团队同台竞技。

01 技术创新，AI助力脑肿瘤诊断治疗

据翁莹介绍，当患者脑部出现肿瘤时，核磁共振呈现出的是病变后的图像。由于医生无法“时空穿越”获取其病变前的图像，参照物的缺失为后续的治疗带来了不小的挑战。

“针对该痛点，我们开发的改进型U型网络人工智能神经网络架构能够自主生成一个健康的脑部扫描图像，可有效地为医生在手术及术后康复等阶段提供依据和指导。这项颠覆性的技术成功突破了患者病变前医学影像缺失的瓶颈。”

此外，团队开发的改进型深度残差网络人工智能神经网络架构通过AI计算实现了对病理图片的读取、分类和分析。该项技术有望代替传统的人工读取病理图片的相关工作，在大幅提高工作效率的同时更能发现传统方法难以察觉到的病理特征，从而为后续的定制化治疗方案提供相关支持。

02 跨学科重实践，宁诺学子劣势翻盘

谈到本次获奖，团队成员张觉新道出了其中的关键——实践。他说：“相比大部分高校5人以上的团队规模，我们团队3人凭借着技术上的优势成功卫冕国际脑肿瘤图像修复赛。我认为，这与我们平日学习中将理论与实践相结合的模式密不可分。”

张觉新表示，自己在开展科研的过程中获得了不少与一线主任医师学习交流的机会，并在导师的带领下将计算机与人工智能的相关技术应用于医学图像领域，实现了理论知识的跨界运用。

“正是这样跨学科、重实践的学习经历，让我们在比赛中能将计算机和人工智能领域的知识娴熟地运用到实际场景，也让我们的改进型U型网络人工智能神经网络架构在均方差、信噪比、图像相似度等硬性指标的评比中占据上风。”

另一名成员陈珂通过分享团队在国际脑肿瘤病理图像赛道中“逆袭”的翻盘好戏，再一次印证了理论结合实践的重要性。

“在这个赛道中，我们开发的改进型深度残差网络人工智能神经网络架构在刚开局便被甩在了大多数参赛队伍身后。见此情形，翁莹导师立即搭线宁波市病理中心的相关专家，让我们深入了解了医生在实操中对病理图像特征提取和分类的关键点。最终，我们在截止日期之前优化了模型，以全球第二名的成绩实现了对逆风局的翻盘。”

翁莹表示，团队将继续深耕人工智能在医疗场景中的运用，通过扩大国际间合作为全球医疗行业提供创新的解决方案。