真空泵厂家
免费服务热线

Free service

hotline

010-00000000
真空泵厂家
热门搜索:
成功案例
当前位置:首页 > 成功案例

瞧一瞧:腾讯提出器官神经网络 全自动辅助头颈放疗规划-电子发烧友网

发布时间:2022-04-18 19:25:44 阅读: 来源:真空泵厂家
腾讯提出器官神经网络 全自动辅助头颈放疗规划-电子发烧友网

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》。

该研究成果能让AI在毕节商铺拆迁律师
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。七星关商铺拆迁律师
>

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。