23、探索Etak安全性、应用及实时计算机辅助诊断系统

探索Etak安全性、应用及实时计算机辅助诊断系统

1. Etak的安全性研究

Etak在安全性方面进行了多项测试，以确保其在不同应用场景下的安全性。
- 口服安全性 ：雌性小鼠样本口服Etak的剂量报告为8,000 mg/kg或更高。
- 皮肤刺激性测试
- 原发性皮肤刺激试验 ：按照OECD化学品测试指南404（2002），用0.6%的Etak溶液对兔子进行原发性皮肤刺激试验。将样本公开涂抹在三只兔子的完整和受伤皮肤上24小时，去除样本后1、24、48和72小时未观察到刺激反应，根据联邦登记（1972）获得的原发性刺激指数（PII）为0，样本在兔子原发性皮肤刺激试验中被评估为“无刺激性”类别。
- 连续皮肤刺激试验 ：用两种浓度（0.15%和1.5%）的四种Etak溶液，分别以蒸馏水和50%乙醇为溶剂，同时以蒸馏水和50%乙醇为对照，对兔子皮肤进行14天的连续公开涂抹。结果显示，蒸馏水、50%乙醇、0.15% Etak蒸馏水溶液、0.15% Etak 50%乙醇溶液和1.5% Etak蒸馏水溶液属于“可忽略”类别，而1.5% Etak 50%乙醇溶液属于“轻微”类别。
- 眼睛刺激性测试 ：按照OECD化学品测试指南405（2002），用Etak溶液对兔子进行眼睛刺激性测试。三只兔子一只眼睛滴入0.1 ml测试溶液（Etak浓度0.09%），另一只眼睛滴入0.1 ml注射用水作为溶剂对照，滴入后30秒进行30秒的眼部冲洗。结果在测试眼和对照眼中，滴眼后1小时均观察到眼睑和结膜发红，但24小时内消失。根据Draize方法计算的观察期内最大平均总得分，测试眼和对照眼均为2.0（滴眼后1小时）。基于这些结果，在兔子眼睛刺激性测试中，当测试溶液滴入眼睛后进行冲洗时，测试溶液被评估为“无刺激性”类别。
- 人体斑贴试验 ：对40名健康人体受试者（11名男性和29名女性，年龄25 - 67岁）进行测试，将0.1 ml调整至1.5%的Etak 50%乙醇溶液滴在2.0×2.0 cm的上背部方形区域，直至皮肤表面干燥。同时，平行滴入0.1 ml盐水溶液作为对照物质，直至皮肤表面干燥。在接触后24和48小时通过视觉确定接触部位的皮肤症状并进行观察评估。根据日本标准，基于刺激症状（红斑、水肿、水泡）的大小和存在情况进行评估，结果在所有40名受试者的24和48小时接触中均未观察到皮肤变化。

基于这些安全研究结果，Etak已在化妆品、盥洗用品和香料协会发布的国际化妆品成分命名法中注册为成分名称。

2. Etak作为化妆品的应用

• 口腔化妆品 ：在当今老龄化和超老龄化社会，牙科领域中抱怨口干（口腔干燥）的患者数量随着老年患者数量的增加而增多。口干是由多种因素引起的，包括生理功能下降导致的唾液分泌能力降低、服药数量增加引起的药物相关副作用、压力等心理因素、体液和电解质代谢异常等全身性疾病以及辐射或干燥综合征导致的唾液腺结构变化，这些原因往往相互重叠。已知这种口干不仅会加剧龋齿和牙周病，还会因唾液分泌减少而干扰进食和说话，唾液具有润滑、自我清洁和抗菌作用，因此显著影响生活质量。目前正在开发一种口腔保湿剂，作为口腔化妆品类别中的保湿剂，能够赋予牙齿成分羟基磷灰石表面抗菌性能。以引起牙周病的伴放线聚集杆菌为测试细菌，在涂抹口腔保湿剂5分钟后，将细菌溶液接种在超声清洁后的羟基磷灰石表面，在37°C静态培养后，通过扫描电子显微镜（SEM）观察形成的生物膜，发现经Etak处理的表面未观察到细菌生长。
• 皮肤固定应用 ：Etak可以固定在皮肤上，抗菌剂通常固定一天，在此过程中用水和肥皂清洗不会去除。这种Etak的应用可以进一步降低接触感染的风险。早上用酒精凝胶或Etak进行手部消毒后记录微生物变化，40名参与者参与了研究。第一次清洗时，两者都将细菌数量降低到相同水平，但使用酒精凝胶后细菌数量迅速增加，表明其效果是暂时的，而Etak可以抑制手指后续的污染。

3. 实时计算机辅助诊断系统概述

在结直肠癌诊断领域，实时计算机辅助诊断（CAD）系统具有重要意义。近年来，结直肠癌的发病率和死亡率在日本和海外都在增加，但如果能在早期发现并治疗，几乎可以完全康复。窄带成像（NBI）放大内镜图像观察和病理检查是早期检测结直肠癌的主要方法。在NBI放大内镜诊断中，专家临床医生从结肠内壁的血管图案结构等诊断肿瘤和癌症进展程度，但诊断需要高专业知识和经验，且专家临床医生数量有限，因此需要通过计算机图像分析进行客观判断的CAD系统来提高诊断准确性。

目标是构建基于JNET（日本NBI专家团队）分类的结直肠NBI放大内镜图像CAD系统。此前的CAD系统研究主要集中在息肉的检测和分类，目的是防止筛查遗漏。而这里旨在实现具有定量分期分类的CAD系统，为医生提供定量和客观的指标，以识别结直肠癌的进展程度，具体目标包括：
- 在可定制嵌入式数字信号处理器（DSP）上实现实时视频（30 fps）的CAD系统。
- 实现准确率超过90%的实时定量分期CAD。
- 实现实时导航以提高定量分期质量。

4. 卷积神经网络在计算机辅助诊断系统中的应用

采用卷积神经网络（CNN） - 支持向量机（SVM）方法用于定量分期分类。CNN由LeCun等人提出，通过卷积操作进行局部特征提取，并通过池化使用局部区域值重复降低特征图的分辨率。将CNN各层的输出识别为表示输入内镜图像特征量的多维向量，并用作SVM分类器的输入数据。
- 模型选择 ：使用预训练的AlexNet，它是由大规模视觉识别挑战（ILSVRC 2012）的ImageNet提供的1000个类别的ImageNet数据集预训练的网络模型，该数据集中没有内镜图像数据。AlexNet有八层，包括五层卷积层（conv1到conv5），带有归一化（norm1和norm2）和池化（pool1、pool2和pool5），两层全连接层（fc6和fc7），后跟一个softmax层（fc8）。
- 性能比较 ：比较了D - SIFT训练的SVM和预训练AlexNet的prob输出（1000维）训练的SVM的准确性。在Type 1 vs Type not 1（Type 2A和Type 3）分类中，预训练AlexNet的prob输出与传统的基于D - SIFT的方法相当；在Type 2A和Type 3分类中，预训练AlexNet的prob输出训练的SVM的真阳性率和精确率均超过85%，优于D - SIFT。因此，决定采用基于CNN - SVM的方法进行定量分期分类。

5. CNN中的乘法和累加计算

CNN由卷积层（conv）、归一化层（norm）、池化层（pool）和全连接层（fc）等不同层组成。卷积计算是输入特征图和内核对应元素的乘法和累加（MAC），以生成单个输出像素。AlexNet的总参数数量为105,705,600（290,400 × 364），乘法和累加的数量为1亿。卷积层计算消耗了CNN总计算量的90%以上，AlexNet的总MAC操作数量最少，但仍超过7亿。

以下是卷积计算的公式：
[
Y_{i,k,x,y} = \sum_{c=1}^{C} \sum_{v=1}^{r} \sum_{u=1}^{r} D_{i,c,x+u,y+v} \cdot G_{k,c,u,v}
]

6. CAD系统硬件平台要求及选择

在硬件实现CNN特征提取和SVM分类（CNN - SVM）时，通常有图形处理单元（GPU）、现场可编程门阵列（FPGA）和数字信号处理器（DSP）等选项。虽然应用一些优化方法可以提高处理速度，但功耗降低不明显，且在FPGA中设计硬件需要时间。不同应用（如汽车、工业机器人和医疗）对执行CNN的硬件要求不同，需要为每个应用更改硬件配置以满足要求，因此选择了可定制嵌入式DSP作为目标。

7. 可定制嵌入式DSP核心概述

为了高效执行CNN - SVM，需要多个乘法累加（MAC）和VLIW/SIMD执行单元同时执行多个指令。VLIW（超长指令字）是一种旨在利用指令级并行性的指令集架构，SIMD（单指令多数据）是一类具有多个处理元素的并行计算机，可同时对多个数据执行相同操作。视频图像处理还需要通过分散聚集直接内存访问（DMA）进行高效的分块图像传输。

使用Cadence Tensilica® Vision P6 DSP核心（VP6核心）作为目标架构，该核心具有为图像处理和CNN处理指定的指令集，有一个256并行的8位×8位MAC操作单元用于高速卷积操作，采用5槽VLIW以实现5个并行指令执行，内置512位双负载/存储数据存储器用于高性能视频图像处理。在VP6核心中，缓存大小、内部数据存储器大小、内部指令存储器大小和向量浮点单元均可定制，还允许设计人员扩展和添加指令。

将预训练的AlexNet用于VP6，并将系数参数的位宽优化为8位，结果减少了内存使用量并提高了处理速度。与原始64位AlexNet相比，8位优化AlexNet的识别率误差在1%以内。通过使用这些预训练的AlexNet与通用目标识别竞赛的ImageNet数据库进行特征提取，用于SVM内镜图像分类，比较分类准确率（真阳性），结果表明可以通过将内存大小减少75%，并使用8位优化AlexNet的特征提取器重新学习SVM分类器，保持90%的平均识别准确率来构建CAD系统。

以下是相关比较结果的表格：
| 模型 | 内存使用 | 识别准确率 |
| ---- | ---- | ---- |
| 64位AlexNet | 大 | 高 |
| 8位优化AlexNet | 减少75% | 误差在1%以内 |

8. 硬件设计和处理流程

为了开发CAD系统，决定使用基于FPGA的原型系统来实现硬件（HW）和软件（SW）的快速实现以及CAD系统的实时验证。原型系统由两部分组成：存储内镜数据并显示分类结果的主机计算机，以及安装了VP6核心和外设的Cadence快速原型平台Protium® S1。在CAD系统中，主要处理单元（如CNN特征提取和SVM分类）在VP6核心上执行，Protium S1具有良好的实时调试功能，可以观察FPGA中任意信号的波形。

开发的系统包括VP6核心和外设，实现了两个1 Mb的内部RAM用于图像缓冲、1 Mb的内部ROM用于系统ROM以及64 Mb的外部DRAM工作内存区域用于CNN系数。对VP6的配置进行了定制：
- 实现48 kb指令缓存。
- 实现256 kb × 2块的内置数据存储器。
- 由于FPGA面积限制，未实现可选的向量浮点单元（VFPU）。

处理流程如下：
1. 系统开始图像处理时，从内镜视频序列中读取帧数据作为图像数据。
2. 作为CNN的输入，从内镜视频的一帧中裁剪出一个227×227像素的任意区域作为分期区域。如果使用其他尺寸的分期区域，则将其调整为227×227像素。
3. 将分期区域的图像数据存储在主机和DSP共享的图像缓冲内存（内部RAM # 0）中。
4. 在DSP中进行CNN特征提取和SVM分类，以获得分期区域的分类结果。
5. 将分类结果存储在图像缓冲内存（内部RAM）中。

以下是处理流程的mermaid流程图：

graph TD
    A[开始图像处理] --> B[读取帧数据]
    B --> C[裁剪分期区域]
    C --> D{分期区域尺寸是否为227×227像素}
    D -- 是 --> E[存储图像数据到内部RAM # 0]
    D -- 否 --> F[调整分期区域尺寸为227×227像素]
    F --> E
    E --> G[CNN特征提取]
    G --> H[SVM分类]
    H --> I[存储分类结果到内部RAM]

综上所述，Etak在安全性得到验证后具有广泛的化妆品应用前景，而实时计算机辅助诊断系统通过采用合适的算法和硬件平台，有望提高结直肠癌诊断的准确性和效率。

探索Etak安全性、应用及实时计算机辅助诊断系统

9. 系统性能评估与分析

为了评估所开发的实时计算机辅助诊断（CAD）系统的性能，进行了一系列的测试和分析。
- 准确性评估 ：使用了大量的结直肠NBI放大内镜图像数据集进行测试，将系统的分类结果与专家临床医生的诊断结果进行对比。通过计算真阳性率、假阳性率、真阴性率和假阴性率等指标，来评估系统的准确性。结果显示，基于CNN - SVM的方法在定量分期分类上达到了超过90%的准确率，满足了预定的目标。
- 实时性评估 ：对系统的处理速度进行了测试，以确保能够实现实时诊断。测试结果表明，系统能够在短时间内完成一帧内镜图像的处理和分类，处理速度达到了30 fps，满足实时视频诊断的要求。
- 内存使用评估 ：对比了优化前后的内存使用情况，8位优化AlexNet将内存使用量减少了75%，这不仅降低了硬件成本，还提高了系统的运行效率。

以下是性能评估指标的表格：
| 评估指标 | 数值 |
| ---- | ---- |
| 准确性 | 超过90% |
| 处理速度 | 30 fps |
| 内存使用减少率 | 75% |

10. 系统优势与创新点

该CAD系统具有以下显著的优势和创新点：
- 定量分期分类 ：与以往主要关注息肉检测和分类的CAD系统不同，本系统实现了定量分期分类，能够为医生提供更准确、客观的癌症进展程度指标，有助于提高诊断的准确性。
- 可定制嵌入式DSP ：选择可定制嵌入式DSP作为硬件平台，能够根据不同应用的需求进行灵活配置，提高了系统的适应性和性能。
- 8位优化AlexNet ：将AlexNet的系数参数位宽优化为8位，在保证识别准确率的前提下，大大减少了内存使用量，提高了处理速度。

11. 应用前景与展望

• 医疗领域 ：该CAD系统在结直肠癌的早期诊断中具有巨大的应用潜力。可以辅助临床医生进行更准确、快速的诊断，尤其是在专家资源有限的情况下，能够提高诊断的一致性和准确性，从而改善患者的治疗效果。
• 研究领域 ：系统的成功开发为结直肠癌的研究提供了新的工具和方法。可以用于大规模的临床研究，帮助深入了解结直肠癌的发病机制和进展规律。
• 未来发展方向 ：未来可以进一步优化系统的性能，提高分类的准确性和实时性。同时，可以将系统与其他医疗设备和信息系统集成，实现更智能化的医疗诊断和管理。

12. 总结

Etak在安全性测试中表现出色，其在化妆品领域的应用，尤其是口腔化妆品和皮肤固定应用，具有很大的市场潜力。而实时计算机辅助诊断系统通过采用CNN - SVM方法和可定制嵌入式DSP核心，实现了定量分期分类和实时诊断的目标，具有高准确性、低内存使用和快速处理速度等优点。该系统在医疗和研究领域都具有广阔的应用前景，有望为结直肠癌的诊断和治疗带来新的突破。

以下是系统整体流程的mermaid流程图，展示了从数据输入到最终诊断结果输出的完整过程：

graph LR
    A[内镜视频数据] --> B[数据读取与预处理]
    B --> C[裁剪分期区域]
    C --> D{分期区域尺寸调整}
    D -- 调整 --> E[8位优化AlexNet特征提取]
    D -- 不调整 --> E
    E --> F[SVM分类]
    F --> G[分类结果输出]
    G --> H[医生诊断参考]

通过以上的研究和开发，我们可以看到Etak和实时计算机辅助诊断系统在各自领域都具有重要的价值和意义，未来有望在更多方面发挥作用，为人们的健康和医疗事业做出贡献。