近日，依托于中國科學院沈陽自動化研究所的機器人學國家重點實驗室與中國醫科大學附屬盛京醫院合作，構建了高精度顱腦MRI影像輔助診斷系統，實現了神經外科精準診斷，相關成果連續發表于Biomedical Signal Processing and control以及Computers in Biology and Medicine等期刊。

　　顱內腫瘤的早期精確診斷有利于制訂合理的治療方案，提升患者的存活率及存活周期。人工智能輔助腦瘤診斷系統可減輕醫生的勞動強度及工作時間，為實現腫瘤惡性程度分級的無創檢測提供了技術手段。但是現有腦瘤自動診斷系統受數據量的限制，且未充分利用腦MRI影像的先驗信息，因此現有方法的泛化能力較差。如何提高顱內腫瘤輔助診斷系統的泛化能力是一項亟需解決的問題。

　　針對泛化問題，沈陽自動化所宋國立等提出了一種基于混合特征和PSO-KSVM的腦瘤診斷系統，基于改進的CLBP特征，融合PSO-KSVM構筑分類器實現了小樣本數據集上的高精度診斷。由于顱骨具有與腫瘤相似的灰度分布，對于顱內腫瘤自動診斷系統是一項巨大的干擾，為此，科研人員提出了一種基于多方向異常值檢測的顱骨去除方法成功去除顱骨干擾。此外，由于腦部MRI影像均采集自不同的磁共振設備，不同數據源具有較大的光照差異并嚴重影響了診斷性能。為了消除光照差異所帶來的干擾，科研人員基于腦MRI影像的雙峰性提出了一種基于雙峰gamma校正的亮度標準化方法降低了光照差異，相關研究發表于Biomedical Signal Processing and Control。為了進一步提升顱內腫瘤自動診斷系統的性能，科研人員分析了腦MRI影像的近似對稱性，提出了一種差分特征模塊用于檢測腦MRI影像的結構變化，通過噪聲去除、腫瘤區域增強等操作，搭建了深度差分特征神經網絡（DFNN），實現腦瘤的高精度檢測，相關研究發表于Computers in  iology and Medicine。

　　該項目以沈陽自動化所與中國醫科大學聯合建立的醫學機器人研發中心為平臺開展研究工作。依托該平臺，雙方在檢測、診斷、手術、康復等方向開展了深入合作，取得了一系列成果，目前，該系統在中國醫科大學附屬盛京醫院開展臨床實驗，經過檢驗測試后有望進一步推廣應用。該項目還得到了國家自然科學基金、機器人學國家重點實驗室開放課題資助。