• 首  页
  • 视  频
  • 图  片
  • 上海科技报
  • 上海市科技传播学会
第十二届英特尔杯全国大学生软件创新大赛在同济落幕
皮肤病辅助诊断系统项目令人瞩目
2019年05月29日  作者:黄艾娇 吴苡婷   编辑:chunchun   审核:刘纯  版面:B2

  日前,由教育部高等学校软件工程专业教学指导委员会、教育部示范性软件学院联盟主办,同济大学软件学院承办的第十二届英特尔杯全国大学生软件创新大赛在同济大学落下帷幕。

  本届大赛主题为“基于人工智能的Web应用创新”。自2018年9月17日开赛以来,吸引了线上线下3000多名大学生参与,1071名学生组成了199支队伍正式注册。在经过了初赛复赛的层层选拔后,20支决赛队伍脱颖而出。他们的创新创意覆盖了图像处理、语音识别、医疗健康和消费升级等多种人工智能应用领域。

  在决赛中,由同济大学韦尧、刘诗洋、郑琦斌、颜子彦四位同学组成的Grandpas团队在史清江老师的指导下,凭借作品“Diagnostic Assisant for Dermatosis”获得本届比赛的一等奖。该作品受到了评委们赞誉。

  该作品基于 Web 与深度学习技术相结合,是一整套全面的皮肤病辅助诊断系统,旨在帮助年轻医生快速积累临床诊断经验,同时也开放给病人自助就诊。系统以处方库、疾病库、模型库三大知识库为支柱,具有门诊辅助和患者中心两大基本模块,并在此基础上衍生出辅助诊断和辅助培训的创新功能。知识库包含了需要诊断的疾病、处方和护理方法的知识,是该系统的内容基础。门诊辅助模块和个人中心模块是该系统的服务基础,作为各功能的接合中枢并集中显示各项信息,包括预约记录、自查结果、既往病历等专家系统通常具备的功能。

  辅助诊断和辅助培训是该系统的功能亮点。辅助诊断功能是通过图片及响应式的问答来给出诊断结果,作为病人就医和医生诊断疾病的参考;辅助培训功能是系统学习资深医生的经验来生成病例试题,从而为实习医生提供临床诊断的线上练习机会,加速医生的成长。

  虽然市面上早就出现过皮肤病辅助诊断的系统,但该作品依然实现了它出彩的设计。团队师生告诉记者,对于同一种类的皮肤病,不同的疾病等级往往需要开出不同的处方。但市面上的皮肤病辅助诊断系统往往只是告知皮肤病的种类,而不会进一步告知等级,因为同一皮肤病的不同等级外观较为相似,而且数据较不均衡。团队耗时六个月从一个诊室采集的17000例、五个等级的痤疮,就呈现出一二级痤疮占比超过80%的情况,这导致模型会为了较高的总体准确率,将所有类别都尽量分类为一二级痤疮,而几乎不会去学习数据较少的严重痤疮。而这显然是不合理的。为此团队尝试了欠采样、合成、调整类别权重等多种方法来调整模型,使它对所有等级都有较高的识别准确率。为了进一步提高诊断准确率,团队还在医生的协助下将图片中难以获得的信息整理成表格,并将其结构化为问题模板,如患处是否疼痛、涂抹膏状物是否会加重病情、是否存在便秘等。系统通过图片预测得到初步结果后,会根据结果自动生成对应的问题,综合图片与问答,得到更准确的诊断报告。

  此外,医生的辅助培训功能,是该团队一次大胆的尝试。受限于接诊数量及患者切换速度,实习医生的门诊诊断经验往往增长缓慢,同时在传统的医疗培训过程中,通常是安排实习医生旁听带教医生问诊,但这样的培训方式过于低效。为此,团队设计了包含样本标记和标记练习两个功能点的辅助培训功能模块:由经验丰富的资深医生先使用样本标记功能,对皮肤病患处的照片进行标记,系统根据病历及标记形成练习题,再由实习医生以问答的形式判断图片所属疾病类型,并参考标准答案和诊断过程。由此实习医生便可以在任何时间独立高效地进行线上诊断练习。

  • 热门话题

社会进步离不开“科技向善”

如果说科技决定了一个时代的起跑速度,那么价值观则决定了它最终能跑多远。永远不要沦为技术的囚徒,始终恪守着法律法规、公序良俗,坚信“技术为体、文化为魂”,人类才能立于不败之地。在日前举行的第二届数字中国建设峰...