一、项目描述

肺癌是世界上最常见的恶性肿瘤之一，目前对肺癌高危人群进行CT筛查已经成为全球共识，然而随着CT筛查的广泛开展，大量性质难以确定的肺结节被检出。本课题旨在开展基于肺部CT影像的肺结节智能分析研究，重点关注肺结节实性成分细粒度分析，构建自动化肺结节智能分析系统。

二、主要痛点

由于CT筛查中存在肺结节过度检出的问题，且不同实性成分的肺结节之间并没有明显的区别，常规筛查方法会耗费医生大量的时间且容易出现漏检误检，自动化肺结节智能分析系统可以极大地减少医生阅片的时间并且提高筛查的准确率。

三、解决方案

（1）收集了相关CT影像肺结节数据，并与医生合作进行原有标注的清理和筛查，提高已有数据的标注准确率。

（2）针对肺结节实性成分标注模糊性的问题，提出了新的分类框架从而更有效地利用医生标注信息，减少少量错误标注对模型的负面影响。

四、主要贡献/价值

肺癌CT筛查在临床中应用广泛，肺结节智能分析系统可以有效减少医生阅片的时间，提高肺癌的筛查准确率，具有广泛的应用前景。

五、下一步计划

肺腺癌是肺癌中最常见的类型之一，在病理学上，早期肺腺癌的发展是一个连续动态演进的过程，不同阶段肺腺癌的随访策略、治疗手段等存在显著差异，因此区分肺腺癌的演进阶段对肺癌诊治具有重大意义。本团队基于已有肺结节实性成分智能分析研究工作，正与深圳市肿瘤医院合作进行早期肺腺癌的分子病理信息和动态演进的无创高通量影像定量可视化应用研究。

六、合作伙伴

深圳市肿瘤医院。

七、团队成员

韩晓光，王昌淼，石鲁越等。