自适应脉冲神经膜系统的计算性能及其在胆石病自动识别中的应用研究

Cholecystolithiasis is usually accompanied by gallstone, which makes the identification and diagnosis of gallstone disease to be one of the key problems to the prevention of gallbladder cancer. Brain-inspired computing models have provide plenty of computation methods in intelligent medicine, particular in automatic recognition of gallstone disease. Spiking neural P systems are a novel class of brain-inspired parallel and distributed computing models, having features of computing in parallel, easily reading and extending, and high fault tolerance. Self-adaptive feature of spiking neural P systems is a hot and hard research topic in membrane computing, but hasn’t been fully studied. In this project, we plan to investigate self-adaptive spiking neural P systems, including the computational properties and their applications. There are 4 main research contents: ① design of spiking neural P systems with self-adaptive topological structure and self-adaptive spiking behavior; ② investigate the computational power, computational efficiency and computational complexity of the constructed self-adaptive spiking neural P systems; ③ design learning algorithms for self-adaptive spiking neural P system to process cholelithiasis patient data; ④ develop automatic recognition method for cholelithiasis disease based on spiking neural P systems and used in clinical diagnose. This study will provide new dynamic evolution strategy and computational theories for spiking neural P systems, and also provide novel automatic recognition method for cholelithiasis disease under the framework of intelligent clinic.

胆囊癌患者一般伴随有胆结石，两者具有较高的合并发病率，这使得胆石病的识别和诊断是胆囊癌预防的关键所在。基于脑启发计算模型的胆石病自动识别方法是智慧医疗框架下的重要研究课题之一，也是计算机科学和医学交叉研究的重要领域之一。脉冲神经膜系统是受人脑神经系统启发得到的计算模型，具有计算并行度高、易读易扩展、容错性强等特点。本项目研究自适应脉冲神经膜系统的计算性能及其在胆石病自动识别中的应用，研究内容包括：①构建拓扑结构和激发行为自适应调整的脉冲神经膜系统；②从计算能力、计算效率和计算复杂性三个方面研究自适应脉冲神经膜系统的计算性能；③结合胆石病例的B超和CT图像，发展基于自适应脉冲神经膜系统的胆石自动识别方法；④在胆石病临床筛查中应用验证，对模型进行反馈校正。预期研究成果可为脉冲神经膜系统提供新的动态演化工作模式、丰富系统的计算理论，还可在智慧医疗框架下为胆石病的自动识别和临床筛查提供新方法。

胆囊癌患者一般伴随有胆结石，两者具有较高的合并发病率，这使得胆石病的识别和诊断是胆囊癌预防的关键所在。基于脑启发计算模型的胆石病自动识别方法是智慧医疗框架下的重要研究课题之一，也是计算机科学和医学交叉研究的重要领域之一。本项目研究了自适应脉冲神经膜系统的计算性能及其在胆石病自动识别中的应用，研究内容包括：.（1）与医院合作，采集了5000~7500例胆石病例数据，时间跨度20年，病例数据包括CT图像、生化检测指标，以及确诊疾病类型（作为数据标签）等。通过主成分分析和主坐标分析的方法，提取胆石病CT图像的核心骨架特征，发现核心特征之间的关联关系。（2）基于训练得到的自适应脉冲神经膜系统，研究移动端设备的计算性能背景，发展适用于移动设备的“轻量化”深度学习网络模型，进而在安卓平台下开发了胆结石诊断APP，大约在10-13秒之间会对胆结石和结石类型进行标注，准确率在93.2%左右。（3）开发的胆结石智能识别方法，在山东省立第三医院、济南市第一人民医院等医院进行临床应用示范，并依托山东省结石病微创联盟在联盟内的139家医院进行应用推广。目前，应用人数8000余人，平均准确率约94.5%。（4）在U-Net的深度模型框架下，实现了基于CT影像的语义分割技术；基于迁移学习使用公开数据集对模型进行预训练获得先验知识，有效提高模型对CT的处理质量；提出了基于改进YOLOv3模型的癌症定位与识别方法，实现了从CT影像中快速定位病灶的深度学习方法。（5）自主研发的“智能数字化手术系统”，研发了多源异构围术期数据的快速可视化与融合研判技术，以及基于CT、超声影像病灶智能诊断与3D重建、融合显示技术等关键技术，形成了具有自主知识产权的“智能数字化手术系统”，解决了国产智能化手术系统的安全可控难题,获中国计算机学会CCF科技进步杰出奖。.预期研究成果为脉冲神经膜系统提供新的动态演化工作模式、丰富系统的计算理论，在智慧医疗框架下为胆石病的自动识别和临床筛查提供新方法。