腾讯医疗AI新突破:提出器官神经网络,全自动辅助头颈放疗规划 | 论文

640?wx_fmt=png

 来源:量子位


腾讯医疗AI实验室又有新研究。


这次跟美国加州大学合作,在国际权威期刊《Medical Physics》发表最新研究成果:

《器官神经网络:深度学习用于快速和全自动整体头颈危及器官靶区勾画》


AnatomyNet: Deep Learning for Fast and Fully Automated Whole-volume Segmentation of Head and Neck Anatomy


该研究成果能让AI在头颈等重要器官的放射治疗规划中,发挥精准规划作用,最大限度将放射剂量集中在靶区内,而周围正常组织或器官少受或免受不必要的伤害。


比起单纯依靠人类医生,可以提升诊疗规划效率,降低勾勒时长,还能提升勾画准确率。


可以说是患者福音,医生益友。


基于深度学习的放疗靶区自动勾画


这个研究是这样的:


每年有超过六十万人被诊断患有头颈部癌症,其中许多人选择接受放射治疗。


但头颈部重要器官比较集中,解剖关系复杂,如果在治疗前未仔细隔离,放疗时周围组织可能会严重受损。


在头颈癌放疗过程中,医生根据患者CT图像手动描绘放疗靶区和危及器官(Organ at Risk,OaR),目的是最大限度将放射剂量集中在靶区内,而周围正常组织或器官少受或免受不必要的伤害。


然而勾勒过程非常耗时,降低诊疗效率的同时,更是耽误了患者的治疗时间。


若能让AI帮助分割过程,辅助放疗规划,肯定能协助医生、帮助患者。


于是围绕该问题,腾讯医疗AI实验室和加州大学提出一种深度学习模型——器官神经网络(AnatomyNet)。


该模型可以快速地对整张CT的所有切片进行全自动化器官分割(Segmentation),在小于1秒钟的时间内完成一整幅头颈CT的危及器官勾画,大幅度提升放疗靶区勾画效率。


器官神经网络的输入是头颈CT图像的所有切片。该神经网络可以一次性产生所有危及器官的预测结果。


具体构建上,器官神经网络基于常用的三维U网络(U-net)架构,但是腾讯AI实验室在三个重要的方面对其进行了扩展:


  • 1)一种新的在整幅CT图像上进行自动分割的编码方式,而不是在局部图像块上,或者一部分CT图像切片上分割;

  • 2)在编码层中,加入三维Squeeze-and-Excitation残差结构来进行更好的特征表示学习;

  • 3)一种新的结合Dice损失和Focal损失的损失函数,用来更好地训练该神经网络。在深度学习的器官分割中,使用这些技巧解决两个主要的挑战:a)小器官的分割(比如,视神经和视交叉)。这些小器官仅仅只有几个切片。b)对于一些器官结构,数据标注不一致以及标注缺失给训练造成一些问题。

640?wx_fmt=jpeg

△ 器官神经网络危及器官分割结果

如上图所示,其中绿色为医生标注,红色为器官神经网络预测结果,黄色表示标注和预测重合,结果显示高度一致。


从下面的动态图上,可以更清晰看到器官神经网络预测和医生标注的连续过程,其中左边显示的是医生标注,右边显示的是器官神经网络预测结果。

640?wx_fmt=gif

从结果上说:和之前MICCAI竞赛中最好的方法相比,器官神经网络平均提升了3.3%的Dice指标。


器官神经网络仅仅使用0.12秒就可以完全完成一整幅CT图像(178×512×512)的分割。


该速度极大地缩短了之前方法所用的时间(20分钟以上)。


除此之外,该模型可以处理一整幅包含所有切片的CT图像,以及一次性勾画所有的危及器官,不需要很复杂的预处理以及后处理。


这证明,深度学习可以提升器官分割准确率,简化自动分割器官的流程。


国际权威期刊刊发


腾讯医疗AI实验室和加州大学的联合研究成果,首刊于《Medical Physics》,这是是美国医学物理学家学会(The American Association of Physicists in Medicine,AAPM)的官方期刊。


该研究成果在期刊上发表后,目前已经被多个机构引用。


美国德克萨斯大学MD安德森癌症中心(MD Anderson Cancer Center)对腾讯医疗AI实验室的“器官神经网络”表示关注,并把该研究成果作为中心一项大规模研究的重要部分。


该中心在美国乃至全球皆享誉盛名,多次被评为美国最佳癌症研究机构,也是公认的全球最好的肿瘤医院。


此外,论文一经发布,很快被加拿大瑞尔森大学、中国中科院等多家机构学者在其研究报告中被提及和引用,作为最新的研究突破获得国内外认可。


一旦更多研究机构和人力参与其中,规模化落地速度可能也会加快,实乃人类福音。

640?wx_fmt=jpeg


腾讯医疗AI实验室


最后,简单介绍下腾讯医疗AI实验室。


这是腾讯专为医疗领域打造的AI实验室,创建于2017年年底,目前在硅谷、北京、深圳设立了三个分支。


其作为腾讯医疗健康领域众重要技术驱动,腾讯AI实验室主要以学术研究层面发力,希望在AI医学前沿领域取得突破。


实验室的主要研究方向是基于自然语言理解、医学知识图谱、深度学习、医疗影像、贝叶斯网络、多模态分析等基础技术构建医学知识引擎、医疗推理引擎、临床辅助诊断引擎、问诊对话引擎等智能平台。


更早之前,腾讯医疗AI实验室已推出帕金森病运动功能智能评估系统,其他主要产品还包括临床辅助决策支持系统,面向脑卒中、急性冠脉综合症等高危易误诊疾病提供临床辅助决策支持,以及心电图智能分析软件,利用AI技术实现心电图监测结果的自动判读和预警等。


今年7月,腾讯医疗AI实验室还有3篇论文分别被KDD 2018、SIGIR 2018、COLING 2018三个国际顶尖学术会议收录,论文的主要研究方向为医疗知识图谱中实体关系的发现和应用。


传送门


论文下载:https://arxiv.org/pdf/1808.05238.pdf


未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能,互联网和脑科学交叉研究机构。


未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)云脑研究计划,构建互联网(城市)云脑技术和企业图谱,为提升企业,行业与城市的智能水平服务。

  如果您对实验室的研究感兴趣,欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”

640?wx_fmt=jpeg

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/493606.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

视频制作中的绿幕与拜耳阵列

先来欣赏一些大片背后的特效。 现在国内的电影市场越来越大,做短视频的自媒体也越来越多,在他们的后期视频制作的片花中可以看到很多都在使用绿幕或者蓝幕,这是为什么呢? 首先肯定是为了抠图的方便。将主体部分抠出再将通过特效…

吴恩达作业8:三层神经网络实现手势数字的识别(基于tensorflow)

数据集的载入,随机产生mini-batch放在tf_utils.py,代码如下 import h5py import numpy as np import tensorflow as tf import mathdef load_dataset():train_dataset h5py.File(datasets/train_signs.h5, "r")train_set_x_orig np.array(train_datase…

基于visual Studio2013解决面试题之0307最后谁剩下

题目解决代码及点评/* n 个数字(0,1,…,n-1)形成一个圆圈,从数字 0 开始,每次从这个圆圈中删除第 m 个数字(第一个为当前数字本身,第二个为当前数字的下一个数字&…

谷歌、苹果等大佬亲自戳穿自动驾驶完美童话,技术、场景、安全牢笼实难突围!...

来源: 物联网智库摘要:自动驾驶普及不仅局限于自身技术和应用场景,而且与产业链各环节密切相关。一项科技从诞生到被人们所接受是一个循序渐进的过程,自动驾驶真正普及还任重而道远。2018年11月1日百度世界大会上,百度…

使用文件监控对象FileSystemWatcher实现数据同步

使用文件监控对象FileSystemWatcher实现数据同步 原文 使用文件监控对象FileSystemWatcher实现数据同步 最近在项目中有这么个需求,就是得去实时获取某个在无规律改变的文本文件中的内 容。首先想到的是用程序定期去访问这个文件,因为对实时性要求很高&a…

吴恩达作业11:残差网络实现手势数字的识别(基于 keras)+tensorbord显示loss值和acc值

一,残差网络实现手写数字识别 数据集地址:https://download.csdn.net/download/fanzonghao/10551018 首先来resnets_utils.py,里面有手势数字的数据集载入函数和随机产生mini-batch的函数,代码如下: import os import numpy as…

通过SVD求解单应矩阵

我们现在知道原则上4对匹配点对就可以唯一确定单应矩阵,但是在实际应用中我们无法保证两个视图严格满足使用条件(只有旋转变换;远景;平面场景),所以要使用拟合的方法求一个最优解。现在就来以SIFT算法源码为…

注意力机制(Attention)最新综述论文及相关源码

来源:专知注意力机制(Attention)起源于模仿人类的思维方式,后被广泛应用于机器翻译、情感分类、自动摘要、自动问答等、依存分析等机器学习应用中。专知编辑整理了Arxiv上一篇关于注意力机制在NLP中应用的综述《An Introductory Survey on Attention Mec…

橙子楼的猥琐大叔

故事要从暑假开始说起,那时我还在准备考研,每天往返于教室、宿舍和食堂,单调但不会无趣,常常会有故事发生,生活也很充实。 考研的一般都会在固定的教室有个自己的位子。 坐我正前面的是一个妹子,准确的说是…

Pycharm下安装Tensorflow

趁着帮师妹看Github上的一个项目,督促自己学习一下Python下训练神经网络的一整套流程。没想到在一开头就遇到了不少问题。首先是Pycharm中导入Github项目的问题,还有安装tensorflow的问题,之后又遇到了多种版本的Python共存的问题。在这里记录…

吴恩达作业9:卷积神经网络实现手势数字的识别(基于tensorflow)

数据集链接:https://download.csdn.net/download/fanzonghao/10551018 提供数据集代码放在cnn_utils.py里。 import math import numpy as np import h5py import matplotlib.pyplot as plt import tensorflow as tf from tensorflow.python.framework import ops…

AI洞观 | 戴上红帽 看IBM冲杀云计算市场

来源 | 网易智能(公众号 smartman163)摘要:可以预计,未来的云计算市场将越来越比拼生态综合服务能力,云计算行业进入下半场,谁在裸泳不久见分晓。IBM豪掷340亿美元收购红帽(Red Hat)…

基于visual Studio2013解决面试题之0608找出两个只出现一次的数

题目解决代码及点评/*已知数组中有两个数只出现一次,其他成对出现,请找出这两个数解决办法:1)简化问题,如果数组中只有一个数出现一次,那么只要对这个数组做异或即可2…

工业富联:左手工业AI,右手“雾小脑”

来源:先进制造业摘要:11月14日,第二十届中国国际高新技术成果交易会在深圳会展中心开幕。11月14日,第二十届中国国际高新技术成果交易会在深圳会展中心开幕。备受瞩目的是,在分论坛“2018第九届中国信息通信论坛”上&a…

吴恩达作业10:用卷积神经网络识别人脸happy(基于Keras)

数据集提供的代码放在kt_utils.py: import keras.backend as K import math import numpy as np import h5py import matplotlib.pyplot as pltdef mean_pred(y_true, y_pred):return K.mean(y_pred)def load_dataset():train_dataset h5py.File(datasets/train_h…

清华大学:智能驾驶背景下转向系统发展趋势

来源:智车科技这里近几年,自动驾驶汽车的研发与推广发展迅速,根据国家工业和信息化部等发布的《汽车产业中长期发展规划》,2025 年,高度和完全自动驾驶汽车开始进入市场,在此背景下,线控转向技术…

TensorFlow学习之——checkpoints

在看别人的训练网络中一开头就遇到这样一行代码: ckpt tf.train.get_checkpoint_state(directories.checkpoints) 鼠标放在函数名上,ctrlB,或者ctrl点击函数名,可以跳转到函数的定义,可以知道tf.train.get_checkpoi…

jQuery.ajax

(摘录)http://www.cnblogs.com/XuebinDing/archive/2012/03/01/2376041.html 情况一、使用WebService验证 1.新建demo.aspx页面。2.首先在该页面的后台文件demos.aspx.cs中添加引用。 using System.Web.Services; 3.无参数的方法调用. 大家注意了,这个版本不能低于.…

基于Keras的卷积神经网络用于猫狗分类(未进行数据增强)+卷积层可视化

首先看数据集路径: cats和dogs存放的就是各种大小的猫狗图片。 读取数据集代码: import os import matplotlib.pyplot as plt """ 读取数据 返回数据的文件夹名字,和具体的猫狗的路径 """ def read_data(): …

芯片植入:“增强人类”的生物黑科技

来源:资本实验室摘要:当医疗、电子、生物科技快速发展,并紧密融合的时候,许多科幻电影中的场景正在不断变为现实,而“增强人类”、”赛博格“、“电子人”、“生化人”正在成为这个时代最值得期待,又多少让…