半全场3串一什么意思|竞彩足球半全场胜胜|
喜讯丨四川大学MILab半年累夺国际双冠
2019-04-08 15:55:23   来源:互联网
内容摘要
文:赵泓维近日,来自四川大学章毅教授领导的机器智能实验室(MILab)的团队再传喜讯!斩获全球医疗影像大赛LiTS冠军,再次改写了LITS(Liver and Tumor Segentation Challenge,肝脏肿瘤病灶分割挑战)记录,这一记录曾被腾讯优?#38469;?#39564;室、健培科技等一流人工智能团队所…

文:赵泓维

近日,来自四川大学章毅教授领导的机器智能实验室(MILab)的团队再传喜讯!斩获全球医疗影像大赛LiTS冠军,再次改写了LITS(Liver and Tumor Segentation Challenge,肝脏肿瘤病灶分割挑战)记录,这一记录曾被腾讯优?#38469;?#39564;室、健培科技等一流人工智能团队所占据。而机器智能实验室(MILab)在其已有的优秀记录之上再次拔高了AI肿瘤分割的dice值。

?

云图片

?

世界顶级肝脏肿瘤分割大赛是一场由德国慕尼黑理工大学、以色列特拉维夫大学等高校、MICCAI联合举办的比赛。其赛程的实质是在给定肝脏肿瘤病灶CT图像数据库的条件下,使用参赛者们的算法对库中影像进行自动分割,以提升疾病诊断、图像引?#38469;质?#21450;医学数据的可视化,发掘临床诊疗与病理化研究过程中的依据。

?

肝脏肿瘤的形状各异、大小不同、位置复杂、种类繁多,有些肿瘤块肉眼无法区分。现有的方法时间复杂度高、实用性有限,且在临床之中往往难以操作。未解决肝脏肿瘤分割问题,机器智能实验室(MILab)实验室另辟蹊径,提出了一种三阶段的自动分割算法,首先关注患者肝脏各组织的构造,然后在肝脏的关键区域对肿瘤影像进行精确分割。

?

云图片

?

在模型方面,团队巧妙地设计了一种2.5D全卷积神经网络框架,能够非常方便的进行迁移学习,降低分割模型的训练时间,减少自动分割的时间复杂度。至2019年3月13日,该方法达到了0.737的dice指标,击败了百余名来自全球各地的参赛选手,取得LiTS肿瘤分割排行榜第一名的成绩。

?

ICU预警、胸?#31185;?#23448;分割赛事均有突破

不仅仅是胸部肿瘤,在一些更接近临床的地方,机器智能实验室(MILab)同样取得了优异的成绩。

?

国内ICU如今面临巨大压力。一方面,随着老龄化的到来,病人数量不断增加,而医生成长时间长,供求差额越来越大,专业医生资源?#29616;?#19981;足。另一方面,目前很多疾病诊疗缺乏适用于国内人群的专业?#25913;?均靠医生经验判断,而有经验的临床医生非常有限。

?

对于医生而言,进入ICU的患者病情普遍多变复杂,综合数据维度多达236项,远超过了人力的控制?#27573;?难以精?#35745;?#20272;病情变化。对于患者而言,ICU的开销不菲,人均消耗医疗费用75673元(年产生医疗费用1000多亿元),可以说ICU是医院中最“烧钱”的科室。

?

从医生的需求出发,机器智能实验室(MILab)针对性的参加了一些特定项目的AI比赛,譬如MPC(Mortality Prediction Challenge死亡预测挑战)等,尝?#28304;?#29702;影像信息以外的数值化信息,以辅助急症室,?#36136;跏业?#38656;求急迫的科室,寻求更深远的价值。

?

MPC通过尝试统计ICU患者的多种身体健康数值指标(血压,葡萄糖指标等)、个人信息(年龄,性别等)及疾病状况,从而预测住院期间病人的存活概率。通过分析以上数据,医护人员可以及时分析问题,尝试对患者现有的仪器状态进行调整以挽救患者生命。

?

机器智能实验室(MILab)团队历时一个月参加该比赛,该比赛的训练集总计80000条病人记录,每条数据有300多个维度,但只有2000条数据的部分维度信息处于“反常状态”。数据不平衡问题是目前的深度神经网络的重点研究的领域,该比赛需要参赛者从如此大量的数据中寻?#19994;?#36825;些反常数据,进行特征选择,并分析相关因素对患者死亡时间的影响。

?

在处理这一问题上,机器智能实验室(MILab)首先尝试用多种传统机器学习方法做数据特征选择,筛选出其中表?#32959;?#22909;的算法,再结合神经网络模型进行预测。经过反复的迭代后,团队的预测模型的准确率达到了78%,并在3月15日夺得了榜首。

?

云图片

?

此外,在一个月前,MILab团队参加了历?#27604;?#21608;的CT图像胸?#31185;?#23448;分割比赛(SegTHOR, Segmentation of THoracic Organs at Risk in CT images)。该比赛由法国贝?#27515;斩?#22320;区抗癌中心和鲁昂大学联合举办,参赛队伍达到160多支。机器智能实验室(MILab)团队采用2.5D全卷积网络结构,在针对器官的整体?#38498;?#30456;互不独立性的基础上,提出了多任务学习的模型训练策略,最终取得了第二名的好成绩。

?

云图片

?

从“科研”?#20581;?#20135;品”的突破

科研只有在转化为可落地的产品时,其价值才能获得最大的体现。由此,在四川大学的支持下,机器智能实验室(MILab)的成员成立了迭迦科技,尝?#36234;?#31185;研中的成果逐渐运用于更多的医院,用人工智能?#38469;?#21435;解决现有医疗体系中的?#38469;?#38590;题与资源难题。

?

这一新兴人工智能的优势来源于其自上而下的研发路径,坐拥四川大学华西医院、四川省人民医院、成都军区总医院、成?#38469;?#22919;女儿童中心医院的科研合作,迭迦科技能够深入医生需求,了解患者感受,并由此为依?#20889;?#36896;人工智能产品。

?

同时担任迭迦科技董事长的章毅教授向记者举了这样一个例子:“华西乳腺外科吕青教授曾经经手过一位患者,她拿着的彩超报告上出具的诊断结果是‘良性性病变’,但是经过查体和问询等初步诊疗手段,吕青教授高度怀疑该患者是‘恶性病变’,后来使用我们的‘迭迦科技’微信公众号上乳腺癌彩超智能检测?#20302;掣床??#20302;?#20986;具的结果是‘倾向于恶性病变’,并及时进行?#36136;?#27835;疗。最终,患者的病理报告结果,证明了其确实是‘恶性病变’。”

?

“这让我觉得,人工智能的价值是在解决患者问题的同时显示出来的,而我们完全了解在这一过程中医生和患者双方的需求。我们完全可以通过商业化的方式让AI发挥更大的价值。”

?

如今,迭迦科技已经拥有一系列完善的人工智能产品,其涉及领域涵盖了乳腺病变诊断、胸部疾病定性等领域,可对视网膜病变、黄斑水肿病变、婴儿身体指标风险评估、乳腺诊断、甲状腺结节智能诊断、细胞病理诊断等。

?

这些产品既是迭迦科技现有的成果,也是未来的发展方向。接下来,迭迦科技在继续深入科研的同时,寻求产品研发方向的突破,在这个过程中,迭迦科技希望能有更多志同道合者加入其中,用新时代的?#38469;?#39072;覆医疗,让更多的患者因此受益。







免责声明:以上内容为本网站转自其它?#25945;澹?#30456;关信息仅为传递更多信息之目的,不代表本网观点,亦不代表本网站赞同其观点或证实其内容的真实性。

关键字相关信息:
半全场3串一什么意思