首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

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

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

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20181118B0DQXG00?refer=cp_1026
  • 腾讯「腾讯云开发者社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 cloudcommunity@tencent.com 删除。

扫码

添加站长 进交流群

领取专属 10元无门槛券

私享最新 技术干货

扫码加入开发者社群
领券