王飞跃的个人博客分享 http://blog.sciencenet.cn/u/王飞跃

博文

平行眼: 基于ACP 的智能眼科诊疗

已有 8834 次阅读 2019-1-17 07:54 |系统分类:论文交流

平行眼基于ACP 的智能眼科诊疗 

王飞跃,张梅,孟祥冰,王雁,马娇楠,刘武,王晓

 

ACP 理论是平行智能的核心,由人工社会(Artificial Societies, A)、计算实验(Computational Experiments,C)、平行执行(Parallel Execution, P)构成,在复杂系统建模与调控中发挥重要的作用. 人眼作为一个典型的复杂系统,是接收外界信息的重要器官,拥有复杂而又精细的结构,同时又和身体其他器官有着密不可分的联系. 文中将ACP 理论引入到人眼的诊疗和护理中,提出平行眼的基本框架. 人工眼(A)构建不断更新的虚拟人眼模型及其对应的由诊疗护理知识构成的虚拟眼科医生. 在此基础上,计算实验(C)借助人工眼进行各种眼病发展预测并制定最优的治疗护理方案. 最后平行执行(P)将虚拟世界和人工世界串联起来,利用实际人眼的数据不断更新人工眼模型,同时借助人工眼和计算实验引导实际人眼进行在线化、长期化的治疗护理. 整个框架结合知识自动化、计算机视觉、知识图谱、机器学习等相关人工智能技术,力图有效提升对于人眼疾病的诊断精度,实现对于人眼的长期、精确、有效的监护.

关键词 平行眼, ACP 理论, 人工眼, 人工智能, 平行智能, 深度学习

引用格式 王飞跃,张梅,孟祥冰,王雁,马娇楠,刘武,王晓. 平行眼:基于ACP 的智能眼科诊疗. 模式识别与人工智能, 2018, 31(6): 495-504.

 

Parallel Eyes: An ACP  Based Smart Ophthalmic Diagnosis and Treatment

WANG Fei-Yue, ZHANG Mei, MENG Xiangbing, WANG Yan, MA Jiaonan, LIU Wu, WANG Xiao


ABSTRACT The ACP theory, including artificial societies(A), computational experiments(C) and parallel execution(P), is the core of parallel intelligence. This theory plays an important role in modeling and controlling complex systems. With a complex structure, the human eye is an important organ for human to receive the information of the world, and it also has close connection with other organs of the body. In this paper, the ACP theory is introduced into the diagnosis and treatment of the human eye, and the basic framework of the parallel eye system is proposed. The artificial eye system(A) is built to continuously describe and update the virtual eye model and the virtual doctors represented with the medical knowledge of diagnosis and treatment of the human eye. The computer experiments(C) perform all kinds of experiments for predicting the development of the eye and evaluate the best diagnosis and treatment. Finally, the parallel execution(P) builds a bridge between the real world and the artificial world. It realizes the on   line, long   term guidance of the diagnosis process for the real eye, while the information of the artificial eye system is updated to follow the real eye. Many technologies are applied on the parallel eye system research to improve the efficiency of the diagnosis effectively, including knowledge automation, computer vision, knowledge mapping and machine learning. Based on the researches, the long   term, precise and efficient treatment for the human eye can be achieved.

Key Words Parallel Eye, ACP Theory, Artificial Human Eye, Artificial Intelligence, Parallel Intelligence, Deep Learning

Citation WANG F Y, ZHANG M, MENG X B, WANG Y, MA J N, LIU W, WANG X. Parallel Eyes: An ACP Based Smart Ophthalmic Diagnosis and Treatment. Pattern Recognition and Artificial Intelligence, 2018, 31(6): 495-504.

 

眼是人体重要的器官之一,人类约有70% 的信息通过视觉感官获得,因此眼健康是健康的极其重要组成部分. 而眼科相关的疾病诊断和治疗涉及解剖学、生理学、病理学、眼视光学、生物力学等多个领域知识,复杂性较高,依赖单一检查方法很难达到准确的诊断或治疗,因此,十分必要借助现代化、智能化的方法解决这些问题. 平行眼系统通过搭建实际人眼与人工眼平行交互的体系,将适用于复杂系统建模和调控的ACP(Artificial Societies, Computational Experiments, and Parallel Execution)理论[1-6] 应用于眼科医疗领域,是将传统眼科疾病诊疗推向精准化、智能化的有效途径. 系统以ACP 理论为核心,构建人工眼系统描述与之对应的实际人眼以及眼科学知识,通过计算实验对眼部疾病进行预测评估并且获取最优的治疗方案,最后借助虚实交互的平行执行引导实际人眼的诊疗和护理过程,实现在线化、长期化、精准化的人眼监护.

当前,不同的年龄阶段会伴随有不同的眼健康问题. 青少年阶段,由于学业压力加重、电子设备使用过多,屈光不正的发病率逐年增加,而且近视已经成为中国的国病. 预计2020 ,中国近视人口将达7 亿,患病率近51%. 中青年阶段,由于年龄增长、工作压力大、眼健康预防保健不足,视觉疲劳、青光眼及一些眼底疾病也呈现出年轻化趋势. 中老年时期,与年龄相关的眼科疾病明显增加,白内障、青光眼、年龄相关的黄斑病变等病发率远高于其它时期. 从眼病患者数量上看,仅仅针对我国当前情况而言,就约有5. 5 亿近视、1000 万青光眼、600 万白内障以及1160 万眼底新生血管疾病患者. 因此,在当前眼科领域的诊疗方面存在着如下4 类困难急待解决.

1)眼科医疗资源匮乏,地域差异明显. 由于用眼过度、老龄化加剧,各类眼科疾病患病人数快速增长. 然而现有眼科医生的数量却远不能满足诊疗需求. 同时,眼科医疗资源更集中在较发达城市,基层社区医院甚至没有相应的眼底筛查设备,存在巨大的资源缺口.

2)经验丰富的医生严重不足. 某些眼科疾病早期呈隐匿性的发展过程,确诊常常依赖于具有丰富经验的医生. 例如,已经成为我国四大致盲性眼病之首的糖尿病眼底病变,若能够达到早期诊断、早期治疗,可使患者致盲风险下降94. 4%. 而目前,经验丰富的医生凤毛麟角,仅存在于非常知名的大医院,使很多类似糖尿病视网膜眼底病变的患者被漏诊或误诊,从而使患者视力形成不可逆损害.

3)某些眼科疾病早期诊断较困难. 例如,圆锥角膜的筛查是角膜屈光手术术前检查的重要部分,早期常缺乏典型症状及体征,致病原因尚不清楚,因此急需借助交叉学科的优势以协助医生进行早期诊断. 另外,由于医生经验的不足以及医疗资源的不足,很多患者直到出现明显病症才来就诊,延误病情的治疗. 如果可以普及化地进行全面早期筛查,获得早期治疗,可有效延缓病情恶化,降低失明患者数量.

4)个性化精准医疗的需求. 人眼不同于其它器官的地方在于其特有的光学系统,因此相比其它一些手术,眼科手术对精细化的要求更高. 人眼个体化的差异性将可能影响视觉质量. 例如,角膜屈光手术会根据每个患者屈光度等参数个性化调整Nomogram 参数,角膜屈光手术领域还出现为满足个性化需求的波前像差引导的角膜屈光手术及角膜地形图引导的角膜屈光手术. 此外,在视功能训练方面,个性化的训练方案也更有利于患者建立良好的视功能. 另外,眼病的日常护理也直接影响到诊疗效果,而每个人用眼习惯并非完全一样,针对个人情况进行个性化眼保健护理会更有效达到良好治疗效果.

近几年,国内外已有一些研究人员利用人工智能技术辅助医生进行一些眼科疾病的诊疗,并取得一定的成效. 在眼底影像图像诊断方面,深度学习等技术应用于眼疾病的识别和诊断,显现出突出的优势. 医学影像的解读往往需要专业医生经过长时间的经验积累,而借助深度学习技术,通过训练则可使计算机在短时间内达到与临床经验丰富的医生相近的诊断准确率. 2016 ,谷歌采用12. 8 万眼底图像组成的数据库训练一个深度神经网络,用于针对糖尿病视网膜病进行筛查诊断,准确率堪比经验丰富的医生. 而采用深度学习方法诊断医学影像的疾病,往往依赖大规模标记数据集. 由于实际情况的复杂性,为了获得有效的疾病诊疗网络框架,不仅要求标记数据集的规模足够大,还要求具有足够的多样性.然而,有些疾病所公开的医学数据并不能满足数据量的需求,能进行准确标记的数据集又进一步缩小,因此数据是目前人工智能技术需要解决的最根本问题. 另外,在眼科健康保健方面,也有一些机构利用人工智能技术开发医疗健康虚拟助理,在某些轻疾方面提供一些咨询和建议. 但类似的系统依托患者的病情自诉信息,而有些患者并不能准确完全的描述身体状况,提供的信息可能会漏掉一些关键信息,因此难以实现有效病情信息的挖掘,难以给出全面正确的诊断. 而且,眼科某些疾病的病因是多种因素综合影响,需要一套系统化、长期化的方法以辅助医生对患者进行诊治.

因此,为了解决数据不足问题,更有效学习和传承医生的丰富经验,并进一步实现全眼科医生的功能,从根本上解决眼科医疗资源不足的现状,本文提出基于ACP 的平行眼的理论框架,研究眼科诊疗系统与社会系统、物理系统、信息系统之间的交互. 通过构建虚拟眼科诊疗系统,模拟实际眼科诊疗过程中的目标人眼、各类医护人员及其之间的诊疗过程等. 结合系统自动标注得到的大规模人工眼科诊疗场景的数据集和一定规模的实际诊疗场景数据集,可以训练得到更有效的眼科诊疗模型. 利用计算实验对各种眼科诊疗模型进行训练和评估,给出最佳诊疗方案. 最终,借助平行执行实现人工眼科诊疗过程与实际眼科诊疗过程之间的实时虚实互动,使诊疗方案训练和评估在线化、数字化、长期化,获得其在复杂诊疗场景下的良好运行效果,从而为推动眼科医疗领域的发展提供新的思路.

相关工作综述

眼视光学是视觉科学的重要组成部分. 在眼视觉光学研究方面,可以通过构建个性化人眼的光学模型以描述并分析实际人眼的视觉质量情况. 人的眼睛相当于一套精密的微型相机,存在离焦、散光等低阶像差以及球差、慧差等各种高阶像差[7] . 国内外已有一些研究者通过分析人眼的各类像差,构建多种眼模型. Autrusseau [8] 采用Thibos & Bradley 眼模型,从视网膜像对SML 三种视锥细胞的刺激上研究单色像差和横向色差对视觉的影响. Zhang [9] He [10]采用角膜地形图信息和全眼像差信息构建视轴与光轴相重合、视轴与光轴不重合的两类个性化眼光学结构,如图1 所示. 这些眼膜型主要针对人眼的眼视觉光学特征进行描述,并未描述其它细化的生理解剖、生物电反馈等更全面的信息,还存在着局限性. 由于一些信息参量目前未能准确获得,如个体眼的准确色差量,因此,即便仅仅针对眼睛的光学性能描述方面,这些模型也尚未做到非常精准.

在个性化诊疗方面,基于波前像差引导的角膜屈光手术根据每个人的波前像差的个体化差异进行针对性的手术参数设置,初步实现个性化的视觉矫正. 这种方案可以辅助患者更有效改善其视觉质量.近期,基于角膜地形图引导的个性化激光手术获得应用,其考虑角膜表面面型差异性,使一些由于角膜表面不规则难以进行像差引导的患者也可以进行角膜屈光手术. 另外,对术后恢复情况的预测也是个性化诊疗的重要内容. 虽然个体化人眼的像差差异性已经在此类手术中得到充分的考虑,但并未完全表征人眼的其它个体化差异,如角膜的生物力学等更完整的信息,因此难以对术后恢复情况做到非常准确的预测.

近几年,飞速发展的人工智能技术在眼科诊疗领域得到广泛的应用. 眼是人体中十分精密而重要的器官,这就对眼科手术医生的操作娴熟度提出很高要求. 手术机器人可辅助医生完成更精准的手术.虽然手术机器人在医疗领域已经具有非常广泛的应用,但在眼球内部操作尚未全面展开. 2016 ,英国外科医生首次与机器人协同完成一次眼科手术,引导一根细针传入眼球,透过显微镜监控手术过程,成功的从人眼视网膜里取下一层只有0.01 mm 厚的膜层.

另外,人工智能在医学影像方面具有更突出的优势,在对图像检测的效率和精度两个方面,都可以做到专业医生水平,并可减少人为操作误判率. 中山大学研制出的CC-Cruiser 先天性白内障人工智能平台[11] ,如图2 所示,以大量的眼前段照相图像为智能化训练及模拟测试样本,采用深度学习方法构建多重人工神经网络,实现对先天性白内障的诊断,正确诊断率高达99%. 即使经验不足的基层医院医生也可以通过网络上传患儿眼球照片,进行病情诊断.然而,现有的技术是以大量训练样本为基础,如果数据样本不足会严重影响相关技术的开发总的来说,未来用于眼科相关领域的智能系统的发展趋势表现如下.

1)精准人工眼系统构建. 眼科疾病的诊疗包含多领域多学科的交融,涉及到图形学、视光学、大数据处理、目标检测等技术的发展,构建更全面、精确的人工眼系统将有助于医生进行更准确的病情诊断.

2)智能化眼科诊疗方案. 眼科相关疾病的诊疗较复杂,有些眼病还需要长期的跟踪治疗,因此,眼科疾病诊疗方案的制定和实施需要更具有智能化、精准化和个性化.

2  平行眼基本框架

针对自然的现实系统表现出来的复杂性、多重性、难控性以及无法进行重复性实验等问题,王飞跃研究员于2004 年首次提出由人工社会(Artificial Societies)、计算实验(Computational Experiments)与平行执行(Parallel Execution)有机组合的ACP 智能计算与控制理论[6] . 这套理论的核心思想为,针对复杂系统环境,以数据为驱动,人工系统为建模工具,利用计算实验对系统行为进行分析和评估,实现实际系统与人工系平行循环虚实互动. 从本质上而言,ACP 理论就是把复杂系统中的部分,通过可定量、可实施、可重复、可实时的计算实验,使之硬化,真正的用于解决实际的复杂问题. 近年来,在新兴的物联网、云计算、大数据等技术的支撑下,ACP 理论方法已经成功应用于城市交通控制、乙烯生产管理、社会计算、计算机视觉等领域[12-45] . 2013 ,王飞跃研究员提出平行医学体系,ACP 理论正式引入到医学领域进行推广应用[46] . 2017 ,王飞跃研究员又发表平行手术理论思想,进一步阐述这一方法在医学手术领域的应用,

结合虚拟现实、增强现实可视化技术,有效地实现虚拟手术场景与实际手术场景的实时交互[47] . 随后,王飞跃研究员又发表平行高特理论体系,构建基于ACP 理论的平行痛风诊疗系统,有效地提高痛风病诊疗效率,减少误诊误治[48] .

为了解决复杂眼科疾病的精准诊疗问题,本文基于ACP 理论提出平行眼系统框架. 平行眼系统是由实际人眼系统与对应的虚拟人工眼系统共同组成. 依据所获取的小数据样本的实际人眼数据,经过学习与训练构建人工眼系统,实现大数据冶样本计算,求解复杂的问题,进而通过计算实验,聚焦为解决具体实际问题的小数据、小样本,以平行执行的方式实现复杂眼病的有效控制与管理. 最终,人机结合、知行合一、虚实一体的方式,实现人工眼系统与实际人眼系统的协同演化和平行反馈.3 展示平行眼的基本框架,包含ACP“三步曲”.

平行眼的基本框架中“A”步为平行眼的描述智能,“C”步为平行眼的预测智能,“P”步为平行眼的引导智能. 在此框架之下,可有3 种主要的操作模式:

1)学习与训练,属于平行眼系统的描述智能.通过学习与训练使人工眼系统逼近实际人眼系统,建立对实际人眼的全面,真实的描述;

2)实验与评估,属于平行眼系统的预测智能.以计算实验为主,结合人工系统与实际系统进行预测分析并推荐最佳的治疗方案;

3)预测与引导,属于平行眼系统的引导智能.主要以平行执行为主,实现人工眼系统与实际人眼系统的平行互动,在线化干预眼科疾病的诊疗过程.

3  人工眼

平行眼框架中的人工眼系统旨在构建与实际人眼逼真的虚拟人眼系统,不仅包含软件定义的虚拟人眼模型,还包含诊疗眼科疾病以及保健护理的各类专科医生对应的虚拟医生,以此模拟实际场景下人眼诊疗护理的全过程. 4 给出人工眼系统的框架图,构建的虚拟人眼模型除了体现个体眼的解剖结构信息、视光学像质信息,还需要体现人眼组织的生物力学信息、生物电反馈等信息. 虚拟的医生主要体现眼科各疾病诊断的专科医生的医学经验,包括虚拟视光学医生、虚拟眼肌科医生、虚拟眼屈光外科医生、虚拟眼底科医生等. 整个人工眼系统的描述模型,不仅使实际眼科诊疗过程中所涉及的医学知识、医生经验、医患期望等形式化,还使人眼的组织、功能以及视觉质量等数字化.


1 列出人工眼系统构建过程中需要考量的一些参量. 虚拟人眼模型的构建通过实时收集实际人眼的生理参数、社会关系参量、基因参量、环境参量等各种与眼睛相关的信息,经过仿真计算来构建出描述性的模型. 人眼的生理参数包含其各组织结构的特征. 人眼眼球结构从外至内包括:角膜、巩膜、葡萄膜、视网膜、虹膜、瞳孔、晶状体、玻璃体、视神经,每一个组织都有其特殊的生理特性、视光参数等,例如角膜,不仅拥有复杂的解剖学参数(厚度、曲率等)、光学参数(折射率、非线性系数等)、还具有复杂的力学参数(各个层的弹性模量等).

目前,针对人眼的组织形态以及视觉质量的测量仪器有多种,如角膜地形图可以提供角膜的三维形态,波前像差测量仪可以提供人眼的光学像差数据,眼压测量仪可以提供眼压数据,这些都为构建与实际人眼系统相符合的人工眼系统提供丰富的数据资源. 因此,涉及到的技术包括解剖学、眼视觉光学、数学建模、力学分析等. 虚拟医生的构建包含眼科相关各类专科医生的专业医学知识、临床经验、诊疗思维等,例如针对各种眼科疾病的标准医学诊断标准、各类药物使用原则、不同疾病的护理方法等. 人工眼系统的构建可通过大数据处理、专家系统、规则提取、知识图谱技术等以实现.

虚拟人眼模型在患者前来就诊过程中获取其各项参量数据,经过虚拟医生的医学知识图谱,构建虚拟的医患关系. 在人工场景中,虚拟人眼模型与实际人眼的各项指标参数可保持同步变化,一些病情在早期阶段便可以通过第4 节的计算实验,获悉发展趋势. 同时,实际人眼并非与虚拟眼模型一一对应,而可对应多个虚拟人眼. 实际诊疗过程往往是不可逆、不可重复的过程. 在人工眼系统中通过更改设定虚拟眼模型的各项生物组织物理参数,生成大量的多样性的个体眼模型样本,学习获得对应不同情况下的诊疗方案,不再受实际样本的限制. 因此,利用人工数据平台,不仅可用于重复多样的实验,还可以产生大规模的大数据集,包含从小数据样本到大数据集的过程,从而可实现学习与训练冶功能,有效解决现实中很多较复杂的问题. 例如,在角膜屈光手术中,患者可能选择两种手术方案都可行,但不可能两个方案都实施以对比预后情况. 在人工眼系统中,可以通过更改一些手术参量进行不同方案的手术.而其中手术操作需设定的角膜切削位置以及切削量目前并未有一个金标准,经过越来越多样本的训练,可给出一个趋近最佳值、最安全的量. 更进一步,人工眼系统涵盖相关眼睛的全面信息,并非只有单一专科医生的知识图谱,完全可以做到全眼科医生,实现会诊功能,完成更有效、更精准的病情诊疗.

4  计算实验与预测智能

人的眼睛本身就是一套非常精密的光学系统,眼底的微血管相当密集,因此很多血管相关的疾病前期都会在眼上有所表征,如糖尿病,高血压等,所以很难通过眼睛的局部病症表征准确判断推测疾病的发展,往往需要一种基于历史、综合的推演手段以达到对于人眼病情发展的合理准确预测. 平行眼的预测智能是解决上述问题的有效手段. 计算实验的主要目的是弥补难以对实际复杂系统进行全面和综合实验的不足,旨在利用人工眼系统在虚拟空间中进行预测性的计算实验,对实际人眼未来发展情况进行预测和规划. 由于人工眼系统中包含眼睛发展的历史信息,因此计算实验可以实现对于眼病发展趋势的全面综合的预测.

虽然实际个体眼是唯一的,但是与之对应的人工眼却可以有多个. 在人工眼系统中可以包含实际人眼未来可能的多种变化趋势,虚拟医生完全可以通过计算实验在虚拟空间中对眼睛进行各种理想的实验,较准确地预测人眼病情发展趋势,制定最优的治疗方案.

在技术实现上,计算实验借助于人工眼中的虚拟医生对个性化的人眼进行诊疗和保健. 因为虚拟空间不受实际物理空间中有关医疗设备、伦理等各种条件的限制,虚拟诊疗场景中的各种病情诊断具有可控、可观、可重复性,所以凭借虚拟医生关于眼睛的病理生理知识,计算实验可以对个性化的人工眼进行深度的解剖和生化实验,以实现对个性化眼睛的全面掌控,并利用虚拟医生的知识给出针对性、精确的保健或者治疗方案. 现阶段,知识图谱、自然语言理解(处理文字性的知识)、机器学习(处理数字性的知识)以及深度学习(处理图像或声音性的知识)得到飞速发展,并且已经在平行医学、平行高特系统得到成功应用,完全可以在平行眼系统的计算实验中发挥优势.

总之,通过实验与评估冶的操作模式,计算实验从实际人眼诊疗扩展到虚拟眼睛诊疗中,进一步补充人工数据集,预测眼病的可能发展情况并评价诊疗方案的实施效果,从而形成“A”步与“C”步的小循环. 因此,针对人工眼的计算实验不仅扩充眼病样本数据集,而且有效提升诊断方案的准确率.

5  平行执行与引导智能

平行眼系统中的平行执行过程是将计算实验得到的眼病诊疗方案应用于实际人眼系统,并将实际人眼的反馈更新到人工场景,继续通过计算实验优化更新诊疗方案. 通过实际人眼系统和人工眼系统两者之间的虚实互动,实现系统的引导智能”,使模型的训练和评估实时化、在线化、长期化,这是平行的最高阶段. 平行执行系统根据计算实验得到的最优诊疗方案,引导实际医生对实际患者完成诊疗.但眼科的很多疾病个体化差异较明显,也并非一次便可解决问题,病情发展往往具有一定的复杂性、多变性和挑战性. 例如,小儿斜弱视诊断过程中,病因复杂且具有隐匿性,小儿的眼睛本身又是一个成长发育的过程,往往难以首次就诊便可确定是否需要手术进行矫正. 针对小儿大远视导致的斜弱视,往往先佩戴眼镜进行干预,周期较长,甚至可达几年的跟踪诊疗,再根据各阶段病情变化制定下一步治疗方案. 因此,在平行执行过程中,实际患者的病情信息与人工眼系统之间的反馈具有在线化、长期化特点,经过计算实验实时更新最佳的诊疗方案给实际医生,从而将虚实互动常态化,形成完整闭环. 总之,平行眼系统中的平行执行过程包含2 个部分:1)预测的诊疗方案对真实眼科诊疗的指导;2)真实诊疗后产生的新情况对计算实验中所制定方案的调整和修改.

平行眼框架下的平行执行不仅包含实际医生与虚拟医生的平行执行,还包含实际患者与虚拟患者的平行执行. 在前者的虚实交互中,虚拟医生为实际医生提供全面化、精准化的知识,以及最优的预测和治疗方案,实际医生为虚拟医生提供多样性、复杂性的医学经验知识,在持续不断的交互中,虚拟医生通过吸收实际医生的经验知识得到不断地更新升级,知识体系便会向真实化,完备化收敛. 在后者的虚实交互中,虚拟患者为实际患者提供不受任何限制的实验平台,虚拟医生和实际医生可以在虚拟患者上进行各种实验操作,用于得到对于患者的全面分析诊断,并通过实验得到最优的治疗方案,实际患者为虚拟患者提供真实的数据反馈用于更新校准虚拟患者的模型参量,使其同步于虚拟患者的参量变化.

人眼系统随着年龄、病情的变化而呈现出较强的多变性. 有一些眼病,如果患者重视正确的日常保健,可有效延缓其进一步恶化. 例如,青少年的近视,在早期往往诊断为假性近视,如果注意日常用眼习惯,避免长时间近距离看书、看电子产品,使眼睛得到有效放松,可避免其转化为真性近视. 在类似这种病情中,利用平行执行可以使平行眼系统全程参与到患者日常的用眼保健过程中,不断检测患者的用眼情况和视力变化情况,实时反馈,并给与及时的引导. 一旦检测到患者近距离用眼时间过长,导致视力变化,立刻反馈给虚拟医生重新进行计算实验,给出新的诊疗方案,引导患者调整用眼习惯. 在此过程中,有经验的实际医生可以对平行眼系统给出的诊疗方案进行干预,更新医学知识体系. 总之,平行执行过程就是将虚实互动常态化,基于大数据处理以在线仿真和实时优化为主要手段,实现实际眼科诊疗导引功能的自动化.

6  应用案例

利用平行眼的理念,本团队初步探索眼科诊疗相关疾病的分析. 提出基于生成式对抗网络(Generative Adversarial Networks, GAN)网络扩充眼底图像数据的方案,并借助U-Net 模型训练进行视网膜血管分割,取得初步成效. 该项研究在2018 年于长沙举办的中国视觉科学和视觉科学研究大会上进行报道[49] .如图5 所示,系统在构建人工眼时,首先通过数据生成模块对真实眼底数据进行数据扩充,然后利用扩充后的眼底图像训练病变预测模块. 在利用系统实验预测(Computational Experiments),直接通过预测模块对眼底图像进行分割预测. 数据扩充模块采用GAN 模型,通过原始眼底图像和分割后的眼底血管图像生成新的眼底图像,眼底分割模块主要采用U-Net 网络实现眼底图像分割. 研究结果证实利用平行眼理论扩充眼底图像数据的可行性,为临床眼底诊断提供科学的依据,为建立平行眼系统框架奠定理论基础.

另外,利用平行眼框架下计算实验的理念,本团队借助机器学习中随机森林的方案训练来自天津市眼科医院屈光手术中心1 400 SMILE 手术患者,对多达54 项可能的影响手术效果的因素进行初步分析,衡量特征的重要性[50] . 分析结果可以看出,透镜厚度、球镜度、角膜陡曲率值可能是影响手术效果的重要参数. 利用分析结果得到的精准知识,对手术方案设计以及手术实施过程提供有效指导,并可对术后效果进行预测. 

7  结束语

本文将ACP 理论推广到眼科疾病的诊疗保健领域中,提出平行眼的系统框架,包含人工眼系统构建、计算实验和平行执行,针对复杂真实环境下的眼科诊疗进行预测和导引. 采用人工眼描述实际人眼,通过计算实验预测眼科疾病发展情况,给出最优的治疗方案,最后采用平行执行的方式,在线实时优化治疗方案,导引医生对患者完成诊疗. 解决临床实验中大量无法控制的参数所导致结果不可逆、不确定的问题,改善眼科诊疗资源不足和分配不均衡的问题,有效降低误诊率,实现早诊断早治疗,提高眼科疾病诊断的有效性和准确性.

平行眼理论框架的构建完成,包含海量的信息获取和各种针对性的计算方法,不是一朝一夕可以完成的. 但是,随着眼视光学、人工智能、大数据处理、生物力学、机器自动化等技术的发展,将有助于推动更逼真、精确、完善的人工眼的构建,获得更准确、有效的诊疗方案的计算和预估,从而实现高效的平行执行. 因此,平行技术在眼科疾病诊疗中的应用具有重要的前瞻性和实际意义,是推动传统医疗模式走向精准化、智能化、平行化的有效途径,具有巨大的研究价值和应用前景.

致谢

本文由王飞跃立题,委托张梅、孟祥冰起草,并分别于2018 4 6 日、5 23 日在北京与同仁医院焦永红主任和刘武主任、天津眼科医院王雁副院长一行人,对本文内容进行详细研究和讨论. 在此,作者向与会及参与修改和研讨的各位专家学者表示衷心的感谢,同时感谢青岛智能产业技术研究院(QAII)“平行研讨基金”对本项研究的资金支持.

 

参考文献


[1] 王飞跃. 平行系统方法与复杂系统的管理和控制. 控制与决策,2004, 19(5): 485-489.

(WANG F Y. Parallel System Methods for Management and Control of Complex Systems. Control and Decision, 2004, 19(5): 485-489. )

[2] WANG F Y. Parallel Control and Management for Intelligent Transportation Systems: Concepts, Architectures, and Applications. IEEE Transactions on Intelligent Transportation Systems, 2010, 11(3): 630-638.

[3] 王飞跃. 平行控制:数据驱动的计算控制方法. 自动化学报, 2013, 39(4): 293-302.

(WANG F Y. Parallel Control: A Method for DataDriven and Computational Control. Acta Automatica Sinica, 2013, 39(4): 293-302. )

[4] 王飞跃. 平行医学与平行健康:迈向智能医学和智慧健康的智能科技. 智能产业发展战略报告. 青岛:青岛智能产业技术研究院(QAII), 2014.

(WANG F Y. Parallel Medicine and Parallel Health: Technologies towards Intelligent Medicine and Intelligent Health. Reports on the Development of Intelligent Industry. Qingdao, China: Qingdao Academy of Intelligent Industries (QAII), 2014. )

[5] 王飞跃. 平行医学. 亚太痛风联盟成立大会& 第七届东方痛风论坛. 哈尔滨:哈尔滨医科大学附属第四医院,2017.

(WANG F Y. Parallel Medicine. Asia Pacific Gout Conference & the 7th East Gout Forum. Harbin, China: The 4th Affiliated Hospital of Harbin Medical University, 2017. )

[6] 王飞跃. 人工社会计算实验平行系统———关于复杂社会经济系统计算研究的讨论. 复杂系统与复杂性科学, 2004, 1(4):25-35.

(WANG F Y. Artificial Societies, Computational Experiments and Parallel Systems: A Discussion on computational Theory of Complex SocialEconomic Systems. Complex Systems and Complexity Science, 2004, 1(4): 25-35. )

[7] 王雁,赵堪兴. 波前像差与临床视觉矫正. 北京:人民卫生出版社,2011.

(WANG Y, ZHAO K X. Wavefront Aberration and Vision Correction. Beijing, China: Peoples Medical Publishing House, 2011. )

[8] AUTRUSSEAU F, THIBOS N L, SHEVELL S K. Chromatic and Wavefront Aberrations: L-, M-and S-cone Simulation with Typical and Extreme Retinal Image Quality. Vision Research, 2011, 51(21): 2282-2294.

[9] ZHANG M, WANG Z, WANG Y, et al. Studies of Transverse Chromatic Aberration Based on Individual Eye Model. Optik-International Journal for Light and Electron Optics, 2010, 121(22):2080-2086.

[10] HE Y Q, WANG Y, WANG Z Q, et al. Study on Chromatic Aberration in a Population of Chinese Myopic Eyes by Means of Optical Design. Biomedical Optics Express, 2013, 4(5): 667-679.

[11] LONG E P, LIN H T, LIU Z Z, et al. An Artificial Intelligence Platform for the Multihospital Collaborative Management of Congenital Cataracts. Nature Biomedical Engineering, 2017. DOI: https:/ / doi. org/10. 1038/ s41551-016-0024.

[12] 王飞跃. 计算实验方法与复杂系统行为分析和决策评估,系统仿真学报, 2004, 16(5): 893-897.

(WANG F Y. Computational Experiments for Behavior Analysis and Decision Evaluation of Complex Systems. Journal of System Simulation, 2004, 16(5): 893-897. )

[13] WANG F Y. Parallel Control and Management for Intelligent Transportation Systems: Concepts, Architectures, and Applications. IEEE Transactions on Intelligent Transportation Systems, 2010, 11(3): 630-638.

[14] 宁滨,王飞跃,董海荣,. 高速铁路平行控制与管理系统研究框架. 复杂系统与复杂性科学, 2010, 7(4): 11-21.

(NING B, WANG F Y, DONG H R, et al. Framework of Parallel Control and Management for High Speed Railway Systems. Complex Systems and Complexity Science, 2010, 7(4): 11-21. )

[15] WANG F Y. Parallel Driving with Software Vehicular Robots for Safety and Smartness. IEEE Transactions on Intelligent Transportation Systems, 2014, 15(4): 1386-1387.

[16] WANG F Y, YANG L Q, YANG J, et al. Urban Intelligent Parking System Based on the Parallel Theory / / Proc of the International Conference on Computing, Networking and Communications. Washington, USA: IEEE, 2016. DOI: 10. 1109/ ICCNC. 2016. 7440708.

[17] WANG F Y, ZHENG N N, CAO D P, et al. Parallel Driving in CPSS: A Unified Approach for Transport Automation and Vehicle Intelligence. IEEE/ CAA Journal of Automatica Sinica, 2017, 4(4): 577-587.

[18] KANG M Z, WANG F Y. From Parallel Plants to Smart Plants: Intelligent Control and Management for Plant Growth. IEEE/ CAA Journal of Automatica Sinica, 2017, 4(2): 161-166.

[19] GONG X Y, LIU X W, JING S F, et al. Parallel Education Systems under Perspective of System Construction for New IT Era[C/OL]. [2017-11-15]. https:/ / www. researchgate. net/ publication/320797444.

[20] WANG F Y, WANG X, LI L X, et al. Steps toward Parallel Intelligence. IEEE/ CAA Journal of Automatica Sinica, 2016, 3(4):345-348.

[21] 王飞跃,邱晓刚,曾大军,. 基于平行系统的非常规突发事件计算实验平台研究. 复杂系统与复杂性科学, 2010, 7(4): 1-10.

(WANG F Y, QIU X G, ZENG D J, et al. A Computational Experimental Platform for Emergency Response Based on Parallel Systems. Complex Systems and Complexity Science, 2010, 7(4): 1-10. )

[22] 王飞跃. 软件定义的系统与知识自动化:从牛顿到莫顿的平行升华. 自动化学报, 2015, 41(1): 1-8.

(WANG F Y. SoftwareDefined Systems and Knowledge Automation: A Parallel Paradigm Shift from Newton to Merton. Acta Automatica Sinica, 2015, 41(1): 1-8. )

[23] WANG F Y, ZHANG J J, ZHENG X H, et al. Where Does AlphaGo Go: from Church Turing Thesis to AlphaGo Thesis and Beyond. IEEE/ CAA Journal of Automatica Sinica, 2016, 3(2): 113-120.

[24] 王飞跃. 基于社会计算和平行系统的动态网民群体研究. 上海理工大学学报, 2011, 33(1): 8-17.

(WANG F Y. Study on Cyber Enabled Social Movement Organizations Based on Social Computing and Parallel Systems. Journal of University of Shanghai for Science and Technology, 2011, 33(1): 8-17. )

[25] 王飞跃,王晓,袁勇,. 社会计算与计算社会:智慧社会的基础与必然. 科学通报, 2015, 60(5/6): 460-469.

(WANG F Y, WANG X, YUAN Y, et al. Social Computing and Computational Societies: The Foundation and Consequence of Smart Societies. Chinese Science Bulletin, 2015, 60(5/6): 460-469. )

[26] WANG X, LI L X, YUAN Y, et al. ACP Based Social Computing and Parallel Intelligence: Societies 5. 0 and Beyond. CAAI Transactions on Intelligence Technology, 2016, 1(4): 377-393.

[27] 刘昕,王晓,张卫山,. 平行数据:从大数据到数据智能. 模式识别与人工智能, 2017, 30(8): 673-681.

(LIU X, WANG X, ZHANG W S, et al. Parallel Data: From Big Data to Data Intelligence. Pattern Recognition and Artificial Intelligence, 2017, 30(8): 673-681. )

[28] WANG X, ZHENG X H, ZHANG X Z, et al. Analysis of Cyber Interactive Behaviors Using Artificial Community and Computational Experiments. IEEE Transactions on Systems, Man, and Cybernetics(Systems), 2017, 47(6): 995-1006.

[29] KANG M Z, WANG F Y. From Parallel Plants to Smart Plants: Intelligent Control and Management for Plant Growth. IEEE/ CAA Journal of Automatica Sinica, 2017, 4(2): 161-166.

[30] 王坤峰,苟超,王飞跃. 平行视觉:基于ACP 的智能视觉计算方法. 自动化学报, 2016, 42(10): 1490-1500.

(WANG K F, GOU C, WANG F Y. Parallel Vision: An ACP Based Approach to Intelligent Vision Computing. Acta Automatica Sinica, 2016, 42(10): 1490-1500. )

[31] 王坤峰,鲁越,王雨桐,. 平行图像:图像生成的一个新型理论框架. 模式识别与人工智能, 2017, 30(7): 577-587.

(WANG K F, LU Y, WANG Y T, et al. Parallel Imaging: A New Theoretical Framework for Image Generation. Pattern Recognition and Artificial Intelligence, 2017, 30(7): 577-587. )

[32] WANG K F, GOU C, ZHENG N N, et al. Parallel Vision for Perception and Understanding of Complex Scenes: Methods, Frame work, and Perspectives. Artificial Intelligence Review, 2017,48(3): 298-328.

[33] 白天翔,王帅,沈震,. 平行机器人与平行无人系统:框架、结构、过程、平台及其应用. 自动化学报, 2017, 43(2): 161-175.

(BAI T X, WANG S, SHEN Z, et al. Parallel Robotics and Parallel Unmanned Systems: Framework, Structure, Process, Platform and Applications. Acta Automatica Sinica, 2017, 43(2): 161-175. )

[34] 段艳杰,吕宜生,张杰,. 深度学习在控制领域的研究现状与展望. 自动化学报, 2016, 42(5): 643-654.

(DUAN Y J, LY S, ZHANG J, et al. Deep Learning for Control: The State of the Art and Prospects. Acta Automatica Sinica,2016, 42(5): 643-654. )

[35] ZHANG J, LI L J, WANG F Y. A Probabilistic Mechanism Design for Online Auctions. IEEE Access, 2017, 5(5): 10782-10794.

[36] YUAN Y, WANG F Y, ZENG D L. Developing a Cooperative Bidding Framework for Sponsored Search Markets - An Evolutionary Perspective. Information Sciences, 2016, 369: 674-689.

[37] QIN R, YUAN Y, WANG F Y. Exploring the Optimal Granularity for Market Segmentation in RTB Advertising via Computational Experiment Approach. Electronic Commerce Research and Applications, 2017, 24: 68-83.

[38] 王飞跃,曾大军,袁勇. 基于ACP 方法的电子商务系统复杂性研究. 复杂系统与复杂性科学, 2008, 5(3): 1-8.

(WANG F Y, ZENG D J, YUAN Y. An ACP-Based Approach for Complexity Analysis of Ecommerce System. Complex Systems and Complexity Science, 2008, 5(3): 1-8. )

[39] YUAN Y, ZENG D D. Co-evolution Based Mechanism Design for Sponsored Search Advertising. Electronic Commerce Research and Applications, 2012, 11(6): 537-547.

[40] 王坤峰,苟超,段艳杰,. 生成式对抗网络GAN 的研究进展与展望. 自动化学报, 2017, 43(2): 321-332.

(WANG K F, GOU C, DUAN Y J, et al. Generative Adversarial Networks: The State of the Art and Beyond. Acta Automatica Sinica, 2017, 43(3): 321-332. )

[41] WANG F Y, YANG L Q, CHENG X, et al. Network Softwarization and Parallel Networks: Beyond Software Defined Networks.IEEE Network, 2016, 30(4): 60-65.

6 王飞跃 :平行眼:基于 ACP 的智能眼科诊疗 503《模式识别与人工智能》电子版

[42] WANG F Y, ZHANG J, WEI Q L, et al. PDP: Parallel Dynamic Programming. IEEE/CAA Journal of Automatica Sinica, 2017,4(1): 1-5.

[43] WANG F Y. Toward a Paradigm Shift in Social Computing: The ACP Approach. IEEE Intelligent Systems, 2007, 22(5): 65-67.

[44] WANG F Y. Computational Social Systems in a New Period: A Fast Transition into the Third Axial Age. IEEE Transaction on Computational Social System, 2017, 4(4): 52-53

[45] WANG K F, GUO C, ZHENG N N, et al. Parallel Vision for Perception and Understanding of Complex Scenes: Methods, Framework, and Perspectives. Artificial Intelligence Review, 2017,48(3): 299-329.

[46] WANG F Y, WONG P K. Intelligent Systems and Technology for Integrative and Predictive Medicine: An ACP Approach. ACM Transactions on Intelligent Systems and Technology, 2013, 4(2). DOI: 10. 1145/2438653. 2438667.

[47] 王飞跃,张梅,孟祥冰,. 平行手术:基于ACP 的智能手术计算方法. 模式识别与人工智能, 2017, 30(11): 961-970.

(WANG F Y, ZHANG M, MENG X B, et al. Parallel Surgery: An ACP-Based Approach for Intelligent Operations. Pattern Recognition and Artificial Intelligence, 2017, 30(11): 961-970. )

[48] 王飞跃,李长贵,国元元,. 平行高特:基于ACP 的平行痛风诊疗系统框架. 模式识别与人工智能, 2017, 30(12): 1057-1068.

(WANG F Y, LI C G, GUO Y Y, et al. Parallel Gout: An ACP-Based System Framework for Gout Diagnosis and Treatment. Pattern Recognition and Artificial Intelligence, 2017, 30 ( 12 ):1057-1068. )

[49] 王飞跃,孟祥冰,张梅,. 平行眼:ACP 理论在眼科诊疗的应用/ / 第十届中国眼科学和视觉科学研究大会. 长沙:湖南省医学会眼科学专业委员会及中南大学湘雅医院, 2018.

(WANG F Y, MENG X B, ZHANG M, et al. Parallel Eyes:An ACP-Based Approach to Ophthalmic Diagnosis and Treatment / /Proc of the 10th Chinese Congress of Research in Vision and Ophthalmology. Changsha, China: Hunan Medical Doctor Association Eye Professional Committee and Xiangya Hospital Central South University, 2018. )

[50] 孟祥冰,王雁,马娇楠,. 借助人工智能实现对角膜屈光手术(SMILE)效果预测的研究/ / 第十届中国眼科学和视觉科学研究大会. 长沙:湖南省医学会眼科学专业委员会及中南大学湘雅医院, 2018.

( MENG X B, WANG Y, MA J N, et al. Research on Predicting Results of SMILE through AI / / Proc of the 10th Chinese Congress of Research in Vision and Ophthalmology. Changsha, China: Hunan Medical Doctor Association Eye Professional Committee and Xiangya Hospital Central South University, 2018. )

后记:本文于2018年6月发表在《模式识别与人工智能》杂志第31卷第6期

平行眼_基于ACP的智能眼科诊疗.pdf







https://blog.sciencenet.cn/blog-2374-1157517.html

上一篇:[转载]慧拓智能助力徐工机械,打造国内首个智慧矿山整体解决方案
下一篇:[转载]中国科学院自动化所9人入选2018高被引学者!
收藏 IP: 159.226.177.*| 热度|

1 范振英

该博文允许注册用户评论 请点击登录 评论 (2 个评论)

数据加载中...
扫一扫,分享此博文

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-3-29 14:25

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部