|

【OpenVINO開發案例】骨質疏鬆人工智慧輔助篩檢系統

   

作者/圖片提供:柏瑞醫

本案例為《2021 Intel DevCup x OpenVINO Toolkit》實作組冠軍作品,特別邀請該團隊撰文分享其開發歷程、技術架構及成果,讓更多開發者可以借鏡學習。

骨質疏鬆是全世界第二大流行病,僅次於心血管疾病,導致每年骨折病患新增890萬人,比心臟病、中風、乳癌的罹病人數合計還多,每三秒就有一人因骨質疏鬆而骨折,目前全球已有超過三億的女性罹患骨質疏鬆。

現行骨鬆的檢測方式有足跟定量超音波骨密檢測儀、雙能量X光吸光式測定儀DXA。足跟定量超音波儀方便快速,但準確度不高,DXA精準且是目前的骨質疏鬆診斷標準,但儀器昂貴,導致全台數量分佈不均,檢查時間長且機動性低,無法廣泛推廣。因此,市面上缺乏一個快速、可靠且有效率的方式來檢測骨質疏鬆。

骨質疏鬆是全球第二大流行病,因此更需要精準的檢測方式。

開發目標

只要一般X光機或行動X光車所拍攝出符合WHO醫學指引的髖部醫學影像,就可運用AI輔助分析,於6秒鐘內產出骨質疏鬆風險報告。

此套篩檢系統可用於門診及健檢中心,提供精準快速的骨質疏鬆篩檢,也可搭配行動X光健檢車,協助醫療院所進入偏鄉與社區,主動提供民眾骨質疏鬆篩檢服務。篩檢部位只要符合WHO骨質疏鬆醫學指引,也可同步檢視個案是否有骨折,能提供潛在患者的及早發現與預防。

解決方案

開發過程中所用的技術架構如下圖所示:

本案的硬體採用AOPEN DEX5750 (Intel Core i7-1165G7),軟體開發則架構在「X1 Imaging 骨質疏鬆人工智慧輔助篩檢系統」之上,本系統運用Intel Instance Segmentation models訓練出Segmentation AI模型,可辨識股骨的位置,以及人工關節與骨釘,並運用Classification AI 模型和線性化模型,預測出左右腿股骨的T-score及骨質疏鬆風險高低。系統架構說明如下:

1.Application : WPF C#/C++, Open CV, Emgu CV

2.Deep Learning Framework :

  • ZNET(柏瑞醫研發AI框架)
  • YOLOv5 V5.0 (本案率先將YOLOv5 V5.0 整合進OpenVINO 2021.4 )(官方發布YOLOv5 V4.0 整合進OpenVINO 2021.4.2)
  • Intel Instance Segmentation Models
  • AI Model Optimization : CNN Classification(分析骨質疏鬆風險高低), CNN Object Detection及CNN Segmentation(可辨識股骨的位置,進而辨識正常骨頭、骨釘、人工關節等)
  • ONNX

3.OpenVINO 2021.4 :

  • OpenVINO Model Optimizer
  • ONNX Runtime for OpenVINO Base Windows 10 IoT

可運用Classification AI 模型和線性化模型,預測出左右腿股骨的T-score及骨質疏鬆風險高低

成果介紹

本案是第一個獨立率先完成於Intel 11th CPU Tiger Lake 架構和Windows系統上成功建置ONNX Runtime for OpenVINO,亦率先將YOLOv5 V5.0 整合進OpenVINO 2021.4中。

解決方案執行方法流程圖

本案使用一般的X光機及依照WHO骨質疏鬆檢查醫學指引的髖部醫學影像,進行標注與訓練。運用訓練出的Segmentation AI模型,可辨識股骨的位置及進而辨識正常骨頭、骨釘、人工關節等。也運用Classification AI模型分析骨質疏鬆風險高低,以及線性化 AI模型能預測出左右腿股骨的 T-score。

其訓練過程中收集了1,000 名個案影像,運用專利「少資料高精度AI迭代訓練演算法」訓練,訓練效率可提升16倍。Segmentation AI技術上使用在ZNET框架整合Intel Instance Segmentation models,訓練骨質疏鬆Optimization的CNN Segmentation ONNX模型,並完成執行ONNX Runtime for OpenVINO在Windows 10上加速,實測結果效率可達三倍之多,Segmentation的平均可信度更高於 97%。

也進行200位個案的臨床測試,每一個案皆用DXA儀器檢測髖部的骨質疏鬆風險分析與T-score分析檢測報告比對,AI模型的AUC達96.4%,敏感度97.2%,特異度95.6%,陽性預測值95.7%,陰性預測值97.1%。

每一個案皆用DXA儀器檢測髖部的骨質疏鬆風險分析與T-score分析檢測報告比對

應用展望

從市場需求面來看,各大醫院陸續導入AI技術來進行醫療影像判讀,本案結合物聯網設備及人工智慧應用技術,透過AI輔助篩檢來協助醫師進行更快速、準確的判讀,不只能增加醫療量能,也能讓偏鄉民眾利用行動X光車快速進行檢測。

物聯網設備及人工智慧透過AI輔助篩檢來協助醫師準確的判讀

目前已與多家醫院合作,未來將配合更多醫療院所,進行醫療巡迴或是定點社區的骨質疏鬆篩檢活動,希望藉由喚起大眾對骨質疏鬆的認識,培養自主健康意識。

未來運營模式示意圖

柏瑞醫團隊2021 Intel DevCup x OpenVINO Toolkit得獎合照

(責任編輯:MakerPRO編輯部)

柏瑞醫
柏瑞醫

Author: 柏瑞醫

Biomedica 關注世界各地女性的需求。借助我們人性化且高度精準的醫療AI,我們幫助醫生、體檢醫師和醫學研究人員篩查女性生命各個階段的疾病,從年輕到老年,為女性健康保駕護航。

Share This Post On

Submit a Comment

發佈留言必須填寫的電子郵件地址不會公開。 必填欄位標示為 *