肝纤维化自动分级系统

项目概要

本项目目标是开发可自动进行肝纤维化分级的计算机辅助诊断系统。利用深度学习的方法，以2D声像图为主要输入数据，训练可进行慢乙肝背景下的自动肝纤维化分级诊断模型，并进一步开发基于慢乙肝合并脂肪肝背景下肝纤维化辅助识别方法，在此基础上开发无创超声诊断平台。

项目挑战

从无纤维化到肝硬化的五级肝纤维化类别中，数据分布不平衡，数据数量有限；
对不同模态的数据进行有效的特征融合，提升模型判断精度；
脂肪肝背景下纤维化易漏诊、低估，超声医学影像特征不明显；
提供AI模型的临床可解释性。

项目意义

肝纤维化是慢性肝病（如慢性乙肝、脂肪肝）向肝硬化进展的关键步骤。肝纤维化程度的诊断有助于监测病情发展并选择适当的治疗方法，其早期的临床干预可以减缓肝硬化的发展，降低肝癌的发病风险。当前临床采用肝穿刺的方法进行病理学检查，一方面，该方法的准确性受到采样位置的局限，若纤维化在肝脏中分布不均，结果会出现错误；另一方面，该方法为有创检测，约0.3%的患者穿刺后会发生严重的并发症。采用实验室生化指标检查的血清学无创诊断模型特异性低。采用影像学检查的方法，受医生主观经验的影响局限，准确性低、重复性差，且存在设备依赖等问题。开发无创肝纤维化自动诊断平台将提高医生诊断效率和准确性，提升诊疗质量。

肝纤维化自动诊断

方法