沈定刚教授：深度学习在医学影像分析中的应用丨2018医学影像AI经典演讲回顾（二）( 十 ) ：沈定刚教授：深度学习在医学影像分析

除了研究脑结构之外，还可以研究脑连接（脑区之间的连接）和脑功能。有了这一系列的投入和十年的研究积累，我们才可以做刚才提到的增强智能。虽然现在有很多初创公司，但还没有一个初创公司碰这种复杂的脑图像分析，特别是小孩脑图像的分析。

我们做了一系列的研究，研究如何把图像分割开来，如何把左右脑分开。重建的脑表面有很多洞，我们也可以用人工智能（Deep Learning）的方法做自动纠正。皮层里面有内表层和外表层，如何把它翻开来，然后把整个脑子里面分成很多的区域，每个区域有不同的功能。比如说海马是管我们记忆的，老了以后，我们的记忆丧失了，因为海马萎缩了；这里面不同的颜色表示不同的脑区域。在这个应用中，给你一个三维的脑图像，我们需要用三维的方法把相应的区域识别出来；有时需要用四维甚至五维方法。例如功能图像，每过1秒采集一副功能图像，里面的每个位置测量相应的血样成分，这时候的图像是四维图像。分析四维图像，比分析二维或三维图像更复杂。另外，若要知道脑结构变化与病变的关系，和医生的合作非常重要，这是非常复杂的研究，而我这里只讲了一个分割问题。

如果你感兴趣的话，所有具体的方法都可以在我给出的论文中找到，而我只介绍一下概念。做脑图像分割，首先我们把图像分割成脑液体和脑组织，这个脑组织包括白质和灰质。很重要的一点，所谓的Deep Learning，我们必须要把它和临床信息结合起来。早晨有人问到，Deep Learning已经很流行了，是不是传统方法就没用了？如果你把前面二三十年已经研究得很好的传统技术和Deep Learning结合，其效果会有很大提高。同样，如做分割只是把脑子里的脑组织和脑液体分割开来，分割完了之后，再训练第二个神经网络，这样可以精细地把白质和灰质分开来。要做到这样非常精细的分割结果，需要很多的积累。如果只是用现有的方法，就只能看到刚才杂乱无章的结果。