前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >研究团队开发AI使用深度学习方法测量肿瘤

研究团队开发AI使用深度学习方法测量肿瘤

作者头像
AiTechYun
发布2018-07-27 14:11:46
4680
发布2018-07-27 14:11:46
举报
文章被收录于专栏:ATYUN订阅号ATYUN订阅号

AiTechYun

编辑:chux

测量肿瘤对癌症治疗的反应在决定病人的预后方面起着重要的作用。这一过程通常由训练有素的放射科医师进行,是劳动密集型的,主观的,容易造成前后不一致。

为了缓解这一问题,美国国立卫生研究院、平安保险公司的研究人员和目前在NVIDIA的研究人员开发了一种基于深度学习的方法,可以自动为癌症患者的肿瘤进行注释。

“测量肿瘤直径需要大量的专业知识,而且非常耗时。因此,手动注释大规模数据集是困难又昂贵的,”研究人员在他们的论文中指出。

通过使用NVIDIA的泰坦Xp gpu和cudnn加速的PyTorch深度学习框架,该团队训练他们的卷积神经网络,对RECIST(实体肿瘤中的反应评估标准)的肿瘤进行注释,这是一组已发布的规则,用来判断癌症患者何时改善。

神经网络接受了来自DeepLesion数据集的数千张图片的训练,其中包含通过RECIST测量的32735张图片。

研究人员表示,“今天,评估癌症治疗的大多数临床试验使用RECIST作为客观反应测量。因此,RECIST注释的质量将直接影响评估结果和治疗计划,这是第一个在粗略标记的病变区域自动生成RECIST标记的研究。”

提出的方法框架。为了可视化,使用颜色图渲染预测的蒙版和关键点热图。

该团队表示,他们的神经网络非常有效,产生的注释比人类放射科医生的变异性更小。

论文:https://arxiv.org/pdf/1806.09507.pdf

本文参与 腾讯云自媒体分享计划,分享自微信公众号。
原始发表:2018-07-04,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 ATYUN订阅号 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档