近期，健培AI团队在全球EXACT’09(Extraction of Airways from CT , CT影像肺部气管分割挑战赛)的赛事中再创佳绩，使气管检测长度达到了84.5%，超出现有成绩10%以上，刷新了该项比赛的原有纪录。来自韩国的Coreline Soft医疗团队在气管检测长度上的结果为60.1%，健培以84.5%的成绩远优于该记录。

1.什么是EXACT’09？

   EXACT’09由美国国立卫生研究院(National Institutes of Health)，荷兰科学研究组织(Netherlands Organization for Scientif c Research, NWO)，丹麦战略研究委员会(Danish Council for Strategic Research (NABIIT))资助举办的，

   该项目的主要研究目的是在通用的数据集上，利用相同的性能评估方法，对比分析不同的胸部CT气管树提取算法的性能，从而为肺部疾病诊断定位，手术引导，病灶可视化等提供技术解决方案。参与成员来自丹麦哥本哈根大学和加州大学洛杉矶分校的胸部成像研究所，美国洛杉矶加利福尼亚大学放射科组，荷兰鹿特丹大学医学中心，美国西门子公司，美国康奈尔大学，西班牙塞维利亚大学，美国爱荷华大学等众多企业，高校和科研机构。

2.气管树分割的重要意义

   气管树分割是肺部疾病诊断和分析的重要一环，特别是对于像慢性阻塞性肺疾病（COPD），间质性肺病（ILD）等肺部疾病，气管树分割能够量化解剖特征，包括气道壁厚度、壁面积、腔面积、壁-腔面积比、壁-腔直径比和腔直径变化等，所以气管树分割在肺疾病分析中具有特别重要意义。但是，要获取完整的气管树分割结果却面临这众多挑战，这些挑战都给气管树分割增加了难度：

1. 完整气管树解剖结构异常复杂，遍布人体肺部整个区域，分支众多，并且大小因人而异。

2. 气管的不同分支在尺度上存在非常大的差异。

3. 肺部CT图像内部存在伪影，病灶，容积效应等众多噪声，更增加了细支气管的分割难度。

4. 该挑战赛数据来源广泛，在重建层厚，放射剂量等方面存在很大差异。

3.健培AI团队：3D气管分割算法

   以上是本模型在exact09比赛中的部分提取结果，绿色表示跟医生手工标注的吻合的部分，红色表示比医生手工多检测出来的部分，通过对比可以看出，本模型相比手工提取，具有更高的敏感性，能检测出非常细小的气管。

   健培AI团队提出了基于深度学习的3D气管分割算法，利用人工智能技术，结合气管树3D解剖结构，从数据预处理，网络结构模型，训练策略，后处理等众多方面进行优化。数据预处理方面结合临床医生经验，设置了合理的肺部气管树形图；针对气管树本身存在较大尺度变化，健培AI团队设计了具有多尺度分割能力的3D卷积网络模型，模型中集成了Google研究团队提出的空洞卷积技术，有效的增强模型获取肺部气管树语义信息的能力；采用难例挖掘技术训练3D卷积网络，并通过团队自主设计的损失函数，最大限度的挖掘气管树的结构信息。

   健培AI团队通过领先的“人工智能+计算机图形学”技术打造医学影像智能解决方案，构建的精准的肺部气管树必将为肺部疾病的早筛、诊断、临床手术规划提供有力支撑。