近日，医学影像学院医学影像学实验室在超声甲状腺结节AI诊断研究方面取得了重要进展，相关研究成果以“TS-DSANN: Texture and Shape focused Dual-Stream Attention Neural Network for Benign-Malignant Diagnosis of Thyroid Nodules in Ultrasound Images”为题，发表在人工智能医学图像分析领域的顶级期刊《Medical Image Analysis》上（中科院一区，Top期刊）。该论文第一单位为徐州医科大学，唐璐副教授为第一作者，徐凯教授和上海科技大学沈定刚教授为共同通讯作者，本研究得到国家自然科学基金项目资助。
甲状腺结节的准确诊断在精准医疗和健康管理系统中发挥着至关重要的作用。由于超声图像纹理特征变化复杂，良恶性结节的视觉外观相似，即使是经验丰富的影像科医生也难以从给定的超声图像中识别恶性结节。现有的“黑箱子”人工智能模型忽略了影像科医生的诊断决策，如何兼顾临床诊断思维和模型的可解释性是医学影像人工智能技术迫切需要解决的问题。本研究基于影像科医生TI-RADS诊断标准，设计了一个纹理和形状聚焦的双流注意力神经网络模型，通过在线类激活机制生成定位热力图，指导双流网络获得对结节的显著可视化关注，从而模拟影像科医生的决策机制，在多中心的甲状腺结节超声数据集中进行了实验，验证了提出模型的有效性和可解释性。该研究为人工智能辅助诊断提供了重要的理论研究意义和临床应用价值。
