面向青光眼诊断的机器学习算法研究

Combining machine learning with medical diagnosis is an important research direction of computer-aided diagnosis. This meaningful and challenging topic has attracted the attention of some well-known scholars (the Fields Medal and the Wolf Prize winner Smale, renowned glaucoma expert Weinreb, etc) in the fields of mathematics and medicine learning. Glaucoma is the second leading cause of blindness and it is difficult to diagnose in the early stages. In our country, there is a serious shortage of experienced physicians for glaucoma diagnosis and a large number of glaucoma patients can not get timely diagnosis and treatment. Prevention and treatment of glaucoma has become an urgent problem in public health work in China. The project aims at the development of machine learning algorithms for glaucoma diagnosis. The main objectives of this project are to design efficient and interpretable machine learning algorithms and provide a powerful tool for glaucoma diagnosis to doctors. The main content of the project include: design image segmentation and feature extraction algorithms based on doctors' prior knowledge; design image fusion algorithms to extract the same lesion characteristics reflected in a variety of images; design multi-view learning algorithms for glaucoma diagnosis based on the expert consultation mechanism and provides diagnostic recommendations with confidence and quantitative evidence for doctors.

如何将机器学习与医学诊断结合起来，是计算机辅助诊断的重要研究方向。这一挑战性课题吸引了数学和医学领域的一些知名学者（数学菲尔兹奖和沃尔夫奖获得者Smale，著名青光眼专家Weinreb等）的关注。青光眼是世界第二大致盲眼病，早期诊断困难。我国有经验的青光眼专业医师严重缺乏，大量青光眼患者得不到及时的诊断和治疗。青光眼的防治已成为我国公共卫生健康工作中急需解决的问题。本项目旨在系统地发展面向青光眼诊断的机器学习算法。主要目标是，设计有效并具有可解释性的计算机辅助青光眼诊断算法，为青光眼诊断提供有力的辅助工具,提升医生（特别是基层医生）的青光眼诊断水平。主要内容有，结合医生的先验知识设计图像分割及特征提取算法；设计图像特征的融合算法，提取多种图像中反映同一区域病变的特征；设计基于专家会诊机制的多视图算法，为医生提供附有信心指数以及量化证据支持的诊断建议。

青光眼是一种以视神经乳头结构改变为特征的进展性视神经病变，世界卫生组织将其列为全球第二大致盲眼病。青光眼早期诊断困难，我国有经验的青光眼专业医师严重缺乏，且主要集中在少数几个大城市的大医院。青光眼的筛查和诊断已成为眼科和公共卫生健康工作中急需解决的问题。本项目的研究，推动了计算机辅助诊断技术在青光眼诊断领域的应用，提升眼科医生的青光眼诊断水平，为青光眼人群筛查和诊断工作提供有力工具和有效途径，有着重要的社会意义。..本项目组按照立项时制定研究计划，圆满完成了各项研究任务。在项目执行期间, 项目组共发表学术论文11篇，其中被SCI收录的论文8篇。在这其中，既有机器学习应用于青光眼诊断的算法研究，又有基础数学的理论研究，也有医学健康领域的临床研究。在项目的执行过程中，项目组成员与北京同仁医院及上工医信科技公司开展了深入的学科交叉研究，将研究成果应用于临床诊断。项目组申请计算机辅助青光眼诊断的国家发明专利2项，均已获得授权。项目负责人受应益明教授邀请，到纽约州立大学奥尔巴尼分校访问，共同探讨将深度学习应用于眼底照中的特征提取。培养硕士6人，其中2人已毕业，4人在读。..在本项目的执行期内, 项目组围绕面向青光眼诊断的机器学习算法，主要取得了以下几方面的研究成果：（1）发展基于医生先验知识的图像分割、特征提取和特征融合算法，为解决多种影像学检查结果的综合分析提供更丰富的方法和工具。（2）应用机器学习的思想和方法对多视图数据进行融合，设计基于专家会诊机制的的青光眼诊断学习算法，并给出诊断结果的相关数据支持。（3）面向青光眼的基因型和表型关联分析，我们设计了一种蚁群搜索算法，搜索与青光眼发病最为相关的双位点组合，搜索到与青光眼发病最为相关的位点组合对。