专业建站系统 - 打造最好的网站内容系统!

http://www.nthyfz.com

当前位置: 澳门大三巴网上官网_线上大三巴网址 > 互联网 > 澳门大三巴网址;腾讯8篇论文入选MICCAI2019 AI与医疗越走越近 澳门大三巴网址;腾讯8篇论文入选MICCAI2019 AI与医疗越走越近

澳门大三巴网址;腾讯8篇论文入选MICCAI2019 AI与医疗越走越近

时间:2019-10-12来源: 作者:admin点击:
国际顶级人工智能医学影像学术会议MICCAI2019会期临近,论文录用结果陆续揭晓,腾讯共计入选8篇论文,涵盖病理癌症图像分类、医学影像分割、CT病灶检测、机器学习等范畴。近年来AI医学蓬勃发展,以“腾讯觅影”为代表的AI医学解决方案快速进入多种疾病的诊断核心环节。不过,医学影像数据质量参差不齐,人

国际顶级人工智能医学影像学术会议MICCAI 2019会期邻近,澳门大三巴网址;论文任命结果陆续揭晓,腾讯共计入选8篇论文,涵盖病理癌症图像分类、医学影像朋分、CT病灶检测、机器学习等范畴。

近年来AI医学蓬勃开展,以“腾讯觅影”为代表的AI医学处理计划快速进入多种疾病的诊断核心环节。不过,医学影像数据质量参差不齐,人工标注难度大等行业性难题,导致AI在医学上的学习和应用面临诸多挑战。在此次MICCAI 2019中,腾讯旗下两大AI实验室——腾讯AI Lab与腾讯优图实验室分离从深度学习效率提拔,以及医学临床应用角度停止立异性钻研,各入选4篇论文。

提拔深度学习效率:填补“小数据”短板

将AI应用于医学图像分类的一大挑战是训练数据少,此中一个处理措施是连系迁移学习、多任务学习、半监视学习等多种训练体例。腾讯AI Lab的钻研把三种方法整合在统一框架中,从而叠加各方法的奉献,并公平比照差别场景下各方法的奉献。

图注:半监视学习前沿的一致性约束算法(包孕VAT和PI-model)和普遍采用的多任务学习算法(hard parameter sharing)整合在一个搜集中,采用交替任务的体例停止端到端的训练,通过初始点的设定融入迁移学习。

在胃镜图片良恶性分类问题上的一系列实验申明:零丁利用时迁移学习提拔性能最显著;迁移学习根底上,多任务学习在项目早期数据量较小时可进一步进步,而半监视学习可在较大数据量上持续提拔;三者组合并使用大参数量搜集可取得更好性能。这项钻研成果将可用来领导若何零丁或组合利用迁移学习、多任务学习和半监视学习提拔医学分类模型的精确率。

与此同时,腾讯优图实验室的钻研,则有望在处理医学影像标注难题上找到新思路:医疗图像(如CT,MRI)往往是三维数据,该类数据存在标注难度大,标注信息难以获取等问题,这导致标注的三维医学图像数量通常不足以很好地训练深度学习搜集。腾讯优图实验室提出了一种深度掘客原始数据信息的自监视学习方法,通过模拟魔方还原过程,使搜集自发地在原始数据中提取有用信息。

这项钻研有望削减深度学习搜集对数据量的需求,进步后续监视任务的精确率。同时,这也是业内首次提出三维自监视学习方法,有望填补业内的钻研空白。

图注:模拟魔方还原过程的自监视学习框架。该框架包罗两个操作:打乱立方块依次及改变立方块标的目的。

此外,腾讯优图实验室的另一项钻研则提出了成对朋分框架,通过有效掘客医疗影像切片间的关系,并以代理监视的情势加以约束,从而通过差别切片之间的配对,大幅提拔标注数据的数量和相邻切片预测结果的润滑性和一致性。这一方法可以在标注数据不足的前提下停止语义朋分这一实际场景发挥效用,通过有效掘客先验知识,填补数据量不足的问题。

AI病理钻研新打破:弱监视、无标签、色调归一

腾讯AI Lab 医疗中心首席科学家姚建华博士曾介绍病理AI的三个主要钻研标的目的:一是基于AI手艺的病理诊断模型,二是病理组学,三是基于AI手艺的病理预后预测模型,三个标的目的分离帮手大夫进步诊断效率、一致率、精确率,以及新增了大夫的预测疗效才能。此次在MICCAI 2019上,腾讯AI Lab在病理剖析上连发3篇论文,论述其在AI病理剖析上的钻研新打破。

钻研之一由腾讯AI Lab与中山大学隶属第六病院合作,提出一种仅利用临床诊断结果作为弱监视信号来训练分类器的方法,对从病理图像中拆分出的瓦块停止自动分类。这个新的分类方法可加速病理图像分类器的开发,通过连系智能显微镜,为临床大夫提供实时的诊断意见,降低误诊的发生。

图注:肠癌病理组织HE染色切片。通过连系智能显微镜,可认为临床大夫提供实时的诊断意见,降低误诊的发生。

钻研之二则由腾讯AI Lab与华南理工大学、中山大学隶属第六病院合作,提出一种无标签领域自顺应算法,来训练具有领域不乱性的深度神经搜集,从而通过探究全视野数字切片的标注信息,处理无标签显微镜图像的分类任务。基于该方法训练出来的深度神经搜集,在不利用任何带标注显微镜数据的环境下,在显微镜任务上获得了极为优良的性能,乃至超过了利用局部带标注数据训练的神经搜集。

钻研之三则围绕病理图像的色调归一化。因为制片染色流程以及病理扫描仪的差别,数字病理图像的色调存在十分显著的差异。因而,简直所有数字病理相干的剖析之前都必要停止色调归一化。腾讯AI Lab提出了一种针对病理图像特点优化的轮回天生匹敌搜集,通过引入额外的输入,引导天生器产生特定色调气概的病理图像,从而不变训练过程中的轮回一致性损失函数。比拟与其他色调归一化方法,腾讯AI Lab提出的色调归一化搜集作为癌症分类任务的前解决,可以更好地提拔后续任务的性能。

图注: (上)测试数据来源于5个差别的医学中心,本文提出的方法能将这些病理图像都归一化到相近的色调气概。(下)将训练好的模型不经过参数微调(fine-tune)直接在其他病理数据集上测试,同样能停止精确的色调归一化。

AI钻研更切近临床诊断需求:实时CT病灶检测与眼底血管朋分

在智能医学影像剖析上深耕多年的腾讯优图实验室医疗AI总监郑冶枫博士,在介绍AI算法钻研经历时曾体现:最重要的相识是不要扭转大夫的现有流程,而是把AI手艺无缝嵌入到大夫的检查流程中去。此次在MICCAI 2019中,腾讯优图实验室带来了两项与临床诊断需求十分慎密的钻研成果。

钻研之一是应用在CT病灶检测上。为了提拔对差别尺寸病灶的检测精确性,腾讯优图实验室提出了一种使用通道和空间留神力机制的多规范检测器,首次在2D检测搜集上到达比3D检测搜集更精确的结果,使得检测效率更高,为后续病灶检测方法的钻研提供了坚实的根底。值得一提的是,这一方法还可认为临床大夫提供实时的病灶检测结果,进步大夫剖析CT图像的效率。

钻研之二则是应用于眼底血管朋分。眼底血管是人体唯逐一处能够直接无介入不都雅测的血管,良多全身性的疾病和心脑血管疾病都会影响眼底动脉和静脉的形态。因而,自动化的血管朋分和动静脉分类具有重要的临床意义。腾讯优图实验室将深度学习和多任务模型引入血管朋分和动静脉分类任务,同时实现端到端的动脉、静脉及全血管的朋分和分类。

这项钻研成果极大地进步了眼底血管分类的精度和预测速率,实现了端到端的血管朋分和动静脉分类。为眼底血管的切确量化打下了根底,进而能够促进全身性疾病和心脑血管疾病在眼底生物标记的相干钻研。

图注:动静脉血管朋分和分类效果图。(A)原始图片;(B)(E)血管朋分和动静脉分类标签;(C)(F)模型预测结果; (D)(G) 部分细节放大图

加速钻研到应用转化

作为“腾讯觅影”背后的手艺提供者,腾讯优图实验室与腾讯AI Lab的钻研成果已源源不停地落地于真实的临床钻研和应用探究中。目前,“腾讯觅影”已能使用AI医学影像剖析辅助临床大夫筛查早期肺癌、眼底病变、结直肠肿瘤、宫颈癌、乳腺肿瘤等疾病,以及使用AI辅诊引擎辅助大夫对700多种疾病风险停止识别和预测。

与此同时,AI手艺在临床上的有效性也正在被逐步验证。在北京、上海、广州、温州、南宁、德清等地,“腾讯觅影”在学科带头人的率领下分离针对早期肺癌、消化道肿瘤、眼底疾病等停止临床实验及科研合作,希望以手艺帮手优化医疗资本的不平衡。

------分隔线----------------------------
相关内容
推荐内容