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

雷刚 发自 凹非寺 量子位 报道 | 公众号 QbitAI

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。
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。

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。

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

原文发布于微信公众号 - 量子位(QbitAI)

原文发表时间:2018-11-16

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏量子位

这梦一般的街景,全是AI伪造的 | 把GAN秒成渣渣的paper+code

李杉 李林 编译整理 量子位 报道 | 公众号 QbitAI ? △ 『凡所有相,皆是虚妄』 上面这张德国街道图片,乍一看像是行车记录仪拍的,又好像谷歌街景照片...

46660
来自专栏思影科技

前额叶皮层损伤影响情绪理解:EEG和行为学证据

最近,来自加州大学伯克利分校和挪威奥斯陆大学的Anat Perry 、Jamie Lubell 等学者在Brain杂志上发表了一项研究,表明即使是单侧损伤前额叶...

47890
来自专栏量子位

UC伯克利超酷研究:舞痴和舞王之间,只差一个神经网络

现在只要有别人跳舞的视频,你也随时都可以是视频里的主角,而且无需动辄昂贵的3D或是动作捕捉技术。

13240
来自专栏新智元

【遗失的秘钥】贝叶斯定理:人工智能的进化论?

贝叶斯定理正在变得如此流行,以至于在CBS剧《生活大爆炸》中也出现了它的身影。纽约时报说,贝叶斯统计学家“遍布一切,从物理学到癌症研究,从生态学到心理学”。物理...

35080
来自专栏量子位

在鉴定名画真伪这件事上,专家可能要被AI代替了

原作 Jackie Snow Root 编译自 Technology Review 量子位 出品 | 公众号 QbitAI 鉴别画作真假的难度非常大,还特别烧钱...

28840
来自专栏机器人网

学术全景图:机器学习与自然语言处理

2017 年是自然语言处理(NLP)和机器学习(ML)非常高产的一年。两个领域持续增长,会议论文数量纷纷打破记录。本文中我将根据个人作者和组织进行更详细的细分。...

37660
来自专栏企鹅号快讯

理性的相亲方法!精品课:《决策树》

今天是我坚持的第两百一十一天!每天逼自己成长进步一点! 假如你是一个女孩子,你妈妈一直很为你的终身大事担心,今天又要给你介绍对象了。你随口一问:多大了?她说:2...

21890
来自专栏PPV课数据科学社区

我用一只母鸡,就能把股市给你讲明白了

从前,在一片广阔的大草原上,有很多只母鸡,他们,吃着火锅唱着歌,吃着青草下着蛋。但是,母鸡们又不愿意像这样日复一日的吃草,下蛋。于是,一场革命性的变革即将到来…...

31180
来自专栏ATYUN订阅号

东京大学研究人员开发机器学习算法,可强制进行公平约束以防止偏见

我们很容易假设使用算法进行决策可以消除人为偏差。但研究人员发现机器学习可以在某些情况下产生不公平的决定。

12740
来自专栏机器学习人工学weekly

机器学习人工学weekly-2018/1/28

注意下面很多链接需要科学上网,无奈国情如此 1. Google Brain年终总结part 2,总结2017年在医疗,机器人,文艺创作等等方面的成果,我个人对r...

396100

扫码关注云+社区

领取腾讯云代金券