最新排行
· 福建领跑之后,这12省份也要“市市通高铁”,2020年是关键
· 公告精选:中国石油非常规油气领域勘探取得重大成果;青山纸业两
· 央行重申:把好货币供给总闸门,不搞“大水漫灌”
· 对话天图投资潘攀:复盘投资奈雪与背后的新品牌时代
· 野马汽车发布新能源全新LOGO 开启全“星”布局
· “占中”发起人欲出国被拒 港律政司:防止潜逃
· 《神田川JET GIRLS》2020年1月16日发售 少女嬉
· GFSI中国主题日活动下周举办 北京上海之后成都接棒
相关推荐
· 安陆文化惠民 为幸福生活“加码”
· 19年前,我国航母回国时被索要10亿天价过路费,后来怎样了?
· 都昌形式多样迎国庆
· 7天投出百万票,老城新生再现美好——首届武汉创意设计大赛网络
· 公布啦!成都水韵天府文化旅游休闲街区获评“四川十大文旅新地标
· 14股主力资金净流入超亿元
· 湖南南县开展教育扶贫专项治理 已立案查处8人
· 神仙球!皇马后卫鲁尔面部被打到 背对篮筐单手抛球落袋
 
您现在的位置: 首页科技  >  腾讯8篇论文入选AI医疗学术会议,涵盖CT病灶检测等多个领域 
腾讯8篇论文入选AI医疗学术会议,涵盖CT病灶检测等多个领域
发布时间:2019-11-19 20:30:54 热度: 4996

云钟起源于奥菲寺

量子位报告

国际人工智能医学影像顶级会议miccai 2019届即将召开,论文成果将陆续公布。腾讯共选择了8篇论文,涵盖病理癌症图像分类、医学图像分割、ct病变检测、机器学习等领域。

人工智能医学近年来蓬勃发展,以“腾讯米英”为代表的人工智能医疗解决方案迅速进入各种疾病诊断的核心环节。

然而,医学图像数据质量参差不齐,人工标注困难等工业问题,给人工智能在医学学习和应用中带来诸多挑战。

在本次miccai 2019中,腾讯的两大人工智能实验室,腾讯人工智能实验室和腾讯优图实验室,分别从深度学习效率提高和医学临床应用的角度进行了创新性研究,分别入选4篇论文。

弥补医疗数据的不足

将人工智能应用于医学图像分类的挑战之一是缺乏训练数据。解决方案之一是结合各种培训方法,如转移学习、多任务学习、半监督学习等。

腾讯人工智能实验室的研究将这三种方法整合到一个统一的框架中,从而叠加每种方法的贡献,公平比较不同场景下每种方法的贡献。

Delta半监督学习前端一致性约束算法(包括vat和pi模型)和广泛使用的多任务学习算法(硬参数共享)集成到网络中,通过交替任务进行端到端训练,通过设置初始点集成迁移学习。

一系列关于良恶性胃镜照片分类的实验表明:

研究结果可用于指导如何单独或结合使用迁移学习、多任务学习和半监督学习来提高医学分类模型的准确性。

同时,腾讯优图实验室(Tencent Youtu Laboratory)的研究有望找到解决医学图像标注问题的新途径:医学图像(如ct和mri)往往是三维数据,存在标注困难、标注信息获取困难等问题。这导致标记的三维医学图像的数量通常不足以很好地训练深度学习网络的事实。

腾讯优图实验室提出了一种自监督学习方法,对原始数据信息进行深度挖掘。通过模拟魔方恢复过程,网络可以自动从原始数据中提取有用的信息。

本研究有望减少对深度学习网络数据的需求,提高后续监控任务的准确性。同时,这也是业界首次提出三维自监督学习方法,有望弥补业界的研究空白。

△模拟魔方还原过程的自监督学习框架。该框架包括两个操作:打乱立方体顺序和旋转立方体方向。

此外,腾讯优图实验室的另一项研究提出了一个成对分割框架。通过有效挖掘医学图像切片之间的关系,并以代理监督的形式对其进行限制,通过不同切片之间的匹配,可以大大提高标记数据的数量以及相邻切片预测结果的平滑性和一致性。该方法能够在标注数据不足的情况下有效地进行语义分割,并通过有效挖掘先验知识来弥补数据不足的问题。

人工智能病理学研究的新突破

腾讯人工智能实验室医学中心首席科学家姚建华博士曾经介绍了病理人工智能的三个主要研究方向:一是基于人工智能技术的病理诊断模型,二是病理组织学,三是基于人工智能技术的病理预后预测模型。

这三个方向分别帮助医生提高诊断效率、符合率和准确率,增加医生预测疗效的能力。这次在miccai 2019上,腾讯的人工智能实验室发表了三篇关于病理学分析的论文,解释了其在人工智能病理学分析方面的新突破。

在第一项研究中,腾讯人工智能实验室与中山大学第六附属医院合作,提出了一种仅使用临床诊断结果作为弱监控信号来训练分类器的方法,以自动对从病理图像中分离出的切片进行分类。这种新的分类方法可以加快病理图像分类器的发展,并结合智能显微镜为临床医生提供实时诊断意见,从而减少误诊的发生。

△ he染色肠癌病理组织切片。智能显微镜的结合可以为临床医生提供实时诊断建议,减少误诊的发生。

在第二项研究中,腾讯人工智能实验室与华南理工大学第六附属医院和中山大学合作,提出了一种无标记域自适应算法来训练具有域不变性的深度神经网络,从而通过探索全场数字切片的标记信息来解决无标记显微镜图像的分类任务。

基于这种方法训练的深度神经网络在显微镜任务上取得了极其优异的性能,不需要使用任何标记的显微镜数据,甚至超过了用一些标记数据训练的神经网络。

第三项研究侧重于病理图像的颜色归一化。由于染色过程和病理扫描仪的不同,数字病理图像的颜色有非常显著的差异。因此,在几乎所有数字病理相关分析之前,需要进行颜色归一化。

腾讯人工智能实验室针对病理图像的特点,提出了一种循环生成对策网络。通过引入额外的输入,引导发生器生成具有特定颜色样式的病理图像,从而稳定训练过程中的循环一致性损失函数。与其他颜色归一化方法相比,腾讯人工智能实验室提出的颜色归一化网络作为癌症分类任务的预处理,可以更好地提高后续任务的性能。

△ (1)测试数据来自5个不同的医疗中心。本文提出的方法可以将这些病理图像归一化为相似的颜色样式。(2)训练后的模型可以直接在其他病理数据集上测试,无需微调,也可以进行准确的颜色归一化。

更接近临床诊断需求

多年来一直深入从事智能医学图像分析的腾讯优图实验室医学人工智能主任郑叶枫博士在介绍人工智能算法研究经验时表示:最重要的经验不是改变医生现有的流程,而是将人工智能技术无缝嵌入到医生的检查流程中。

此次在miccai 2019中,腾讯优图实验室带来了两项与临床诊断需求密切相关的研究成果。

其中一项研究应用于ct病变检测。为了提高不同大小病变的检测精度,腾讯优图实验室提出了一种利用通道和空间注意机制的多尺度检测器。首次在二维检测网络上获得了比三维检测网络更准确的结果,使得检测效率更高,为后续病变检测方法的研究提供了坚实的基础。

值得一提的是,该方法还可以为临床医生提供实时病变检测结果,提高医生分析ct图像的效率。

第二项研究应用于眼底血管分割。眼底血管是唯一不需要干预就能直接观察到的血管。许多系统性疾病和心脑血管疾病都会影响眼底动脉和静脉的形态。因此,自动血管分割和动静脉分类具有重要的临床意义。

腾讯优图实验室将深度学习和多任务模型引入血管分割和动静脉分类任务中,同时实现动脉、静脉和整个血管的端到端分割和分类。

该研究结果大大提高了眼底血管分类的准确性和预测速度,实现了血管的端到端分割和动静脉分类。为眼底血管的准确定量奠定了基础,可进一步推动系统性疾病和心脑血管疾病眼底生物标志物的相关研究。

三角形动静脉血管分割和分类效果图。(a)原始照片;(b)(e)血管分割和动静脉分类标签;(c)(f)模型预测;(d)(g)局部细节放大图

加快从研究到应用的转变

作为“腾讯寻影”背后的技术提供商,腾讯优图实验室和腾讯人工智能实验室的研究成果不断应用于实际的临床研究和应用探索中。

目前,“腾讯寻影”已经能够使用ai医学图像分析来协助临床医生筛查早期肺癌、眼底疾病、结肠直肠肿瘤、宫颈癌、乳腺肿瘤等疾病,以及ai辅助诊断引擎来协助医生识别和预测700多种疾病的风险。

与此同时,人工智能技术的临床有效性也正在逐步得到验证。在北京、上海、广州、温州、南宁、德清等地,“腾讯敏英”在学术带头人的领导下,对早期肺癌、消化道肿瘤、眼底疾病等疾病进行了临床实验和科研合作,希望利用技术帮助优化医疗资源的失衡。

-完毕-

真诚的招聘

量子比特正在北京中关村招聘编辑/记者。期待有才华和热情的学生加入我们!详情请回复qbitai对话界面中的“招聘”一词。

量子位qbitai

跟踪人工智能技术和产品的新发展

江西快3投注 秒速飞艇投注平台 重庆彩票网 河北十一选五投注 永盈会

上一篇:从女儿书包里翻出一张纸条,杭州爸爸看完,心情简直了……
下一篇:“九一八”88年:无法忘却的纪念

© Copyright 2018-2019 hakook.com 布久新闻 Inc. All Rights Reserved.