科创中国

行业领域

生物与新医药技术

需求背景

子宫内膜癌是女性生殖系统三大恶性肿瘤之一。在西方国家和我国部分发达地区，子 宫内膜癌已经占据女性生殖系统恶性肿瘤发病率首位,如何筛选出子宫内膜癌前病变及早 期子宫内膜癌，提高子宫内膜癌的筛査效率，实现子宫内膜癌的早发现、早诊断、早治疗, 己势在必行。子宫内膜癌筛查对于早发现、早诊断意义重大，及早发现癌前病变可大大降 低疾病死亡率，同时造福广大妇女，具有很大的经济、社会效益，也契合《“健康中国2030, 规划纲要》强化早诊早治、提高癌症生存率的战略主题。但传统的子宫内膜癌确诊方法为 刮宫术，痛苦大、价格高昂、操作难度大、漏诊率高、有术中术后并发症风险，不适用于 大人群筛查。目前国内外推崇子宫内膜细胞病理学检査，但因我国临床病理医师急缺，尤 其是懂子宫内膜癌细胞学诊断的病理医师屈指可数，从而限制了子宫内膜癌细胞学筛査在 临床上的应用。公司历时10年针对子宫内膜癌高危人群筛査难，病理诊断难等问题，研 发的人工智能辅助诊断系统准确度更高。同时细胞学筛査操作简单、准确率高、安全性好、 患者满意度、人工智能自动化程度高，极大降低医生的工作强度，大幅提升病理医生效率, 同时也大大降低了筛查价格，适合于大规模开展筛查和诊断工作。

需解决的主要技术难题

针对单模态数据进行诊断推断具有一定的局限性，缺少医生先验知识的引导，导致识 别模型学习困难的问题，本项目拟研究基于多模态疾病数据的肿瘤分期演化，优化CNN网络辅助诊断系统。

针对多模态疾病数据多源特征信息挖掘难，导致的子宫内膜癌识别不精准的问题，由于知识图谱是以图的形式表现客观世界中的实体及其之间关系的知识库，实体可以是实物 或抽象的概念，关系则表示了实体间的联系，图神经网络可以更准确和灵活地对异质数据 建模，为知识图谱的构建提供了便利。因此，本项目拟研究一种基于多模态数据的集成拓 扑网络结构来实现疾病特征关系的学习与表达，建立图神经网络来构建肿瘤评估知识图谱。

期望实现的主要技术目标

1.系统研究论文发表;

2.子宫内膜医学图像分析系统二类注册证申报成功产业转化;

3.利用知识图谱推荐优化方法建立肿瘤分期评佔知识图谱;

4.子宫内膜细胞图像人工智能分析系统纯软件二类证注册证申报。

需求解析

解析单位：陕西省西咸新区 解析时间：2022-09-22

张西洪

“科创中国”陕西智能制造区域科技服务团

主任

综合评价

此需求描述嘴硬清晰以便专家进行需求跟进。 子宫内膜癌是女性生殖系统三大恶性肿瘤之一。在西方国家和我国部分发达地区，子 宫内膜癌已经占据女性生殖系统恶性肿瘤发病率首位,如何筛选出子宫内膜癌前病变及早 期子宫内膜癌，提高子宫内膜癌的筛査效率，实现子宫内膜癌的早发现、早诊断、早治疗, 己势在必行。子宫内膜癌筛查对于早发现、早诊断意义重大，及早发现癌前病变可大大降 低疾病死亡率，同时造福广大妇女，具有很大的经济、社会效益。 主要技术解决方案： 本项目拟研究基于多模态疾病数据的肿瘤分期演化，优化CNN网络辅助诊断系统。 研究一种基于多模态数据的集成拓 扑网络结构来实现疾病特征关系的学习与表达，建立图神经网络来构建肿瘤评估知识图谱。

查看更多>

处理进度