【人工智能在現(xiàn)代醫(yī)療診斷中的應用研究4800字】

人工智能在現(xiàn)代醫(yī)療診斷中的應用研究—在乳腺癌中的診斷應用目錄TOC\o"1-3"\h\u31351一、研究背景 一、研究背景根據2020年相關癌癥數據統(tǒng)計得出，肺癌新增人數220萬小于乳腺癌新增人數226萬，由此肺癌將被乳腺癌取代，成為全球第一大癌癥[1]。在全球范圍內，乳腺癌是女性惡性腫瘤中最普遍的一種，乳腺腫瘤的新發(fā)病率在全球女性中每一年都比前一年有所增長。在國內，發(fā)病率和死亡率對于乳腺癌來說也是暫時沒有下降的趨勢，因此，人們對乳腺癌的相關信息關注度也越來越高。被稱為第一惡性腫瘤的乳腺癌，會對患病女性造成很大程度的身體生理傷害。但這種疾病并不是不能夠被治愈，如果乳腺腫瘤能盡早被發(fā)現(xiàn)和準確地診斷出，那么將對病情非常有利，患者能進行及時且有效的處理，治療效果也更顯著，一般情況下是不會明顯增加生命危險的[2]。但難點就在于乳腺癌早期無癥狀，所以被檢查出病癥的時間都比較遲。乳腺腫瘤在良性階段可以通過醫(yī)治得到很好的恢復效果，但如果沒有在此階段接受診治，就會通過一些惡性的病變轉變?yōu)閻盒阅[瘤；因此盡早準確地診斷出病情至關重要。過去傳統(tǒng)的方法是根據病人的醫(yī)學影像，醫(yī)生專家根據自身的從醫(yī)經驗來對其作出判斷，而后對病人作出診斷。這種方法比較依賴醫(yī)生的個人經驗，具有非常強烈的個人主觀性[3]。醫(yī)生有可能在診斷時出現(xiàn)誤判，從而誤診，影響病人的治療，進而加大患者的生命危險。然而現(xiàn)如今隨著高速發(fā)展的科技，人工智能的突破，在很多方面已經開始選用更為科學的方式解決問題。通過人工智能技術的持續(xù)開發(fā)，當其在乳腺腫瘤診斷中實現(xiàn)功能時，可以收獲一種更加科技化的方法。比起傳統(tǒng)的診斷方法，這一利用人工智能的科學方法能使診斷結果更加準確，誤診率減小，診斷效率也被提高，能使更多的乳腺腫瘤患者盡早發(fā)現(xiàn)病情，得到最佳時間內的有效治療。二、人工智能在乳腺癌中的診斷研究現(xiàn)狀（一）乳腺癌的診斷超聲成像、乳腺X線攝影、CT檢查等都是過去診斷乳腺腫瘤的主要方法。超聲彈性成像已成為超聲診斷的常規(guī)工具之一，它能將乳腺腫塊的良性和惡性病變區(qū)分開來，適用于自查發(fā)現(xiàn)乳房有腫塊感到不適的情況。由于超聲成像中超聲波是用聲波反射出體內深處的結構圖像，可用于確定乳房腫塊是實性腫塊還是液體填充的囊腫，對良惡性判斷也有一定幫助[4]。CT檢查對于乳腺癌的診斷只能起到輔助作用，它并不是乳腺腫瘤檢查的第一選擇。因為雖然乳腺內的一些病變可以通過CT檢查被查出，但對于一些密度變化十分細微的細小病變CT檢查是無法檢查出的。因此，乳腺腫塊可以在CT檢查中被發(fā)現(xiàn)，但是對于腫塊的性質，即為良性腫瘤還是惡性腫瘤，CT檢查無法做出詳細的鑒別[5]。乳腺X線攝影是最使用最長久的乳腺影像學檢查方法，在過去的幾十年里，該技術被不斷提高，且檢查過程中對病人產生的輻射也得到了減少。診斷性乳腺X線攝影被用于初步檢查中出現(xiàn)的可疑病變需進行進一步的檢查中，這一檢查方法主要是對乳腺腫瘤的診斷和篩查很有幫助。這一檢查方法雖有不足，但它的診斷性很高，因此對于已確診的患者，利用這一方法可以醫(yī)生可以得到準確的分期，而后展開針對性治療[6]。乳腺X線攝影技術與超聲彈性成像不同的是，后者是對已出現(xiàn)癥狀，如乳房自覺有腫塊的患者做出腫塊的鑒別判斷；但乳腺X線攝影不僅可以對已產生癥狀的患者通過檢查得出分期情況，而且還可對無癥狀人群進行預防檢查。乳腺X線攝影也被國際認定為是唯一可以通過篩查降低乳腺癌死亡人數的方法。（二）人工智能的涵義1956年夏，在美國達特茅斯學院召開的會議上,麥卡錫、明斯基等科學家討論“如何用機器模擬人的智能”，并第一次提出了“人工智能（ArtificialIntelligence）”的概念，標志著人工智能學科的誕生[7]，之后人工智能發(fā)展幾起幾落。自20世紀90年代以來，對人工智能的定義，國內外學者有不同的見解。權威的人工智能教科書——《人工智能：一種現(xiàn)代的方法》將其定義為：對計算機系統(tǒng)如何能夠履行那些只有依靠人類智慧才能完成的任務的理論研究。鐘義信認為，人工智能就是探索人類智能的工作機理，并在此基礎上研制各種具有人類智能水平的人工智能機器，為人類各種活動提供智能服務[8]。人工智能的基礎理論由來已久，由深度學習引爆的第三次人工智能浪潮，以及算力的進步和數據的爆發(fā)，使得人工智能技術快速走向成熟，并逐步落地產業(yè)應用。（三）人工智能的發(fā)展現(xiàn)狀隨著大數據的發(fā)展和云計算技術的成熟，人工智能也取得了突破性的進展，為了避免對人工智能的錯誤理解所帶來的不利影響，我們應該準確地了解人工智能技術和產業(yè)發(fā)展的現(xiàn)狀。想要具體應用人工智能，機器必須具備一定的邏輯推理能力，其實現(xiàn)過程，首先要有大量高質量的應用場景數據集，而后利用大量高質量的場景數據訓練算法模型，最后通過計算，做出判斷、決策和行為。1.專用人工智能取得重要突破從適用層面來看，人工智能可以分為一般人工智能和特殊人工智能。過去幾年，人工智能系統(tǒng)在特定領域有了重要的突破，如圍棋。因為它的單一任務,明確需求，明確應用程序邊界，豐富的領域知識和相對簡單的建模，它可以在單個測試中超過人類智能的智能水平。近幾年，人工智能在專業(yè)智能上取得了較大進步，人工智能程序在大規(guī)模圖像識別和圖像處理方面超越了人類，人工智能系統(tǒng)在皮膚癌診斷方面達到了專業(yè)醫(yī)生的水平。2.人工智能技術的現(xiàn)實應用人工智能技術已應用于醫(yī)療保健的許多方面，包括輔助診斷、健康監(jiān)測、可穿戴設備和智能醫(yī)療。東米德蘭成像網絡（eiffeltowerimagingnetwork）及其合作伙伴正在測試一種分析乳房X光照片的人工智能工具，該工具可以在乳腺癌篩查癥狀，并管理各種掃描圖像。雖然市場上有一些人工智能系統(tǒng)，但人工智能技術在英國國家衛(wèi)生系統(tǒng)中的應用并不廣泛（NHS）[9]。在英國國家醫(yī)療體系中，大部分用于醫(yī)療的人工智能產品仍處于研發(fā)階段，部分產品已進入試用或評估階段。3.通用人工智能尚處于起步階段眾所周知，人類大腦可以通過視覺、聽覺、嗅覺、味覺、觸覺，在頭腦中形成具體形態(tài)，并且可以通過相關的學習和思考進行一系列的推理、判斷?？梢哉f人工智能就是模擬人類大腦運行的一套智能系統(tǒng)。雖然在一定方面，人類在人工智能領域取得了相應的成就，但是對于一般人工智能的研究和應用領域我們仍有很長的一段路要走[10]?，F(xiàn)階段，雖然人工智能體系在信息的感知以及獲取方面取得了明顯的成就，但是信息的獲取在人工智能體系中僅僅意味著一個初步的起步階段，在獲取了有效的信息后需要對獲取的信息進行一系列的解析、推理從而進行決策、判斷，在這一面人工智能還處于一個較為薄弱的狀態(tài)。總而言之，人工智能在生活的應用中有著很大的局限性，與人類的大腦相比還有著很長的一段路要走。三、人工智能在乳腺癌中的診斷應用在科技高速發(fā)展和信息化越來越快速的今天，騰訊出了一款可以篩查乳腺腫瘤的AI系統(tǒng)，該系統(tǒng)如今在乳腺鈣化和惡性腫瘤的敏感度已經達到了百分之九十以上，而且該系統(tǒng)在乳腺腫瘤的良惡性判別上也已經達到了較高的精確度，是我國目前做的比較成功的乳腺癌診斷系統(tǒng)。我國學者在人工智能領域研究成果也日漸增多，大量學者提出運用機器學習等統(tǒng)計方法去輔助診斷各種疾病，比如在乳腺癌診斷中用到的決策樹，王磊等人用貝葉斯算法對乳腺癌進行預測研究[11]，呂麗萍用支持向量機算法創(chuàng)建的模型對乳腺正常組織和病變組織分類預測的正確率已經達到了百分之九十，全雪峰用隨機森林算法創(chuàng)建的模型預測乳腺癌的平均準確率與支持向量機的平均準確率幾乎相同。如今專家學者機器學習和乳腺癌的研究方法內容范圍進一步擴大，劉興華用Sigmoid核函數的支持向量機對乳腺癌進行輔助診斷的平均精確度已經達到了百分之九十六，谷宇等人優(yōu)化SVM參數把創(chuàng)建的模型應用于乳腺癌數據取得的準確度已經達到了百分之九十七，董華等人利用支持向量機特征消除算法對三陰乳腺癌數據集進行處理[12]，然后利用決策樹算法進行分類測試，準確率達到了97.8%。正是這些專家學者的研究，我國機器學習和乳腺癌的治療水平才能不斷提高。在科技發(fā)展的這些年里，人們在原有的乳腺腫瘤診斷方法之上又研究出了一些新型診斷方法。例如，研究學者就建立了一個相關的專家系統(tǒng)，利用人工神經網絡提高X光檢查乳腺腫瘤的識別度，該系統(tǒng)可以幫助醫(yī)生對乳腺癌切片作出更加精準的診斷。隨著神經網絡及深度學習的成熟和進步，深度學習也有望在醫(yī)學領域發(fā)揮更大的作用[13]。LVQ神經網絡，全稱是學習向量量化神經網絡，它可以通過學習被標記過的訓練樣本，分類預測不在訓練樣本集之內的數據。該神經網絡屬于人工神經網絡中的前饋型，即每個神經元在接收完上一層神經元后進入下一層時并沒有產生相應的反饋。LVQ神經網絡不僅在根據研究對象的一些特征進行識別和分類方面頗有成就，而且在優(yōu)化方面也有不少的運用。利用LVQ神經網絡創(chuàng)建相對應的模型，對解決乳腺腫瘤診斷問題很有幫助。該模型的穩(wěn)定性好，即使出現(xiàn)突發(fā)狀況，系統(tǒng)也不會停止。這使得乳腺腫瘤的診斷效率能夠得到保障，診斷結果輸出穩(wěn)定。不復雜的自身結構使得在利用LVQ神經網絡建立模型時，能夠更加快速地解決問題，也能在較短時間得出模型處理的結果。病人病灶細胞核圖像所包含的相關數據有很多，模型處理這些數據的時間大大縮短，使得診斷結果能夠更快得出，病人也能在較短時間內得到結果進行相應的治療[14]。建立的LVQ神經網絡模型雖然使得乳腺腫瘤的診斷效率得到提高，診斷正確率也隨之上漲；但在診斷正確率這一數值上還存在變化。不同情況下的診斷正確率有所不同，這就導致了無法直接利用最優(yōu)的方法，即選用最高的診斷正確率，進行相應的腫瘤診斷，得到最少的誤診情況。LVQ神經網絡在醫(yī)學領域，不僅可以與本文一樣和乳腺腫瘤診斷相結合，還可與其他醫(yī)學問題結合應用。結節(jié)病的發(fā)病原因不太明確，而在我國結節(jié)病的誤診率就超過了60%，為了更好的將結節(jié)病與肺結核的鑒定診斷區(qū)別開，于是將LVQ神經網絡應用進結節(jié)病的診斷當中[15]。主要操作就是將病歷數據進行處理后，將產生的結構化數據用于LVQ神經網絡的構建，再借助創(chuàng)建的函數來鑒別診斷模型。通過如此操作，對于結節(jié)病的診斷正確率相較之前被提升了，也增加了結節(jié)病和肺結核的鑒別診斷率，對臨床醫(yī)生針對患者的診斷也是提供了很大的幫助。四、總結乳腺腫瘤疾病現(xiàn)在已經成為全球都十分關注的疾病，但乳腺腫瘤診斷問題在現(xiàn)實生活中卻是一個比較復雜的問題。醫(yī)學診斷中常用的方法存在著耗時耗力，主觀性較強，對醫(yī)生從醫(yī)經驗有一定要求等的局限性導致傳統(tǒng)診斷方法比較容易出現(xiàn)不少的誤診情況。盡早解決傳統(tǒng)診斷方法的誤診率高問題，也能使更多的患者盡早接受治療可以恢復健康。如今，依靠機器學習技術對各種疾病進行輔助診斷已經在一些醫(yī)院開始進行。無論是利用機器學習算法對大量數據作分類判斷還是根據過往數據對新數據進行預測，都已經取得了重大的進展，也得到了廣大臨床醫(yī)生和患者的認可和信賴。參考文獻李萍.學習矢量量化神經網絡在乳腺腫瘤診斷中的應用[J].山西電子技術,2018(04):12-15.王彰.基于LVQ與神經網絡的指紋分類對比研究[D].西安石油大學,2020.潘德潤,秦耿耿,陳衛(wèi)國.基于深度學習的人工智能技術在乳腺癌篩查及影像診斷中的應用進展[J].國際醫(yī)學放射學雜志,2019,42(01):12-15.張治怡.乳腺惡性腫瘤超聲診斷新技術[J].當代醫(yī)學,2020,26(33):192-194.Novizon,ZulkurnainAbdul-Malek.NeutralNetworksforFaultClassification:ComparisonbetweenFeed-ForwardBack-Propagation,RBFandLVQNeuralNetwork[J].AppliedMechanicsandMaterials,2016,4245.何曉燕.彩色多普勒超聲對乳腺癌的診斷及鑒別診斷價值[J].中國全科醫(yī)學,2010,13(18):3.許超.關于人工智能發(fā)展趨勢的一些思考及建議[J].網絡安全技術與應用,2017(12):1.鐘義信.人工智能:概念·方法·機遇[J].科學通報,2017,62(22):7.陳梅,呂曉娟,張麟,等.人工智能助力醫(yī)療的機遇與挑戰(zhàn)[J].中國數字醫(yī)學,2018,13(1):3.鄭南君.人工智能在醫(yī)療健康領域中的應用解析[J].中國衛(wèi)生產業(yè),2017,14(19):2.陳守