騰訊優圖推出卷積神經網絡深度學習算法模型

2019-04-30 11:52

騰訊優圖實驗室聯合廣東省肺癌研究所吳一龍教授／鐘文昭教授團隊，與清華大學以及國內多家中心呼吸科／放射科團隊等共同開發了基于卷積神經網絡算法的肺結節診斷模型，近日，該初步研究成果已被全球癌癥領域知名醫學期刊《腫瘤學家》（《The Oncologist》）收錄并全文發表。

隨著低劑量螺旋CT（LDCT）的普及，檢出了越來越多的肺部結節，使患者得以早期診斷，早期手術臨床治愈率越高。然而，將CT作為篩查手段仍存在較高假陽性率（即CT發現的結節可能不一定是惡性，或是極度惰性生長腫瘤），此外激增的CT分析工作也大大占據放射科醫師有限的工作時間和精力。近年來機器學習算法在醫療領域的大展拳腳（糖尿病視網膜病變／皮膚病／甲狀腺結節等），基于卷積神經網絡算法（機器學習算法一類）的肺結節診斷模型有望解決這一難題。此次騰訊優圖聯合吳一龍教授／鐘文昭教授團隊及多個中心等推出的基于卷積神經網絡算法的肺結節診斷模型，可有望輔助醫生提高結節檢出率的同時兼顧良惡性診斷準確率，大大降低放射科醫師日常CT讀取工作量，同時使得更多患者能夠及時得到早期治療干預，進一步降低肺癌相關死亡率。

作為騰訊覓影核心AI技術的提供方，騰訊優圖實驗室將持續通過騰訊覓影，與更多醫院及醫療機構展開合作，讓技術真正應用落地。目前，騰訊覓影已與國內超過100多家頂級三甲醫院達成合作，共同推進AI在醫療領域的研究和應用。此外，依托騰訊云的服務器，騰訊優圖具備進行上億規模的模型訓練及合作接入，為技術落地提供有力的服務保障。未來，AI＋醫學有望在推動各級醫療系統診斷同質化，減輕醫生工作量，提升診斷準確率和效率方面，發揮更大的作用。

以下為詳細研究內容：

一、分析步驟：

預處理模塊：從CT切片中分離出包含肺組織的圖像區域，閾值0HU去除無關組織（骨與軟組織），接著使用自適應閾值圖像分割方法，建立3維模型；重建3維圖象為標準化的切片厚度和分辨率，以避免不同CT機器的誤差。

結節診斷模塊：建立3D肺結節檢測網絡獲得重建圖象的3D特征；在Pythorch平臺上分兩步訓練CNN（卷積神經網絡）模型，a，（結節檢測網絡），輸入信息包括圖象和相應的位置附加信息；b，根據第一步的檢測網絡參數初始化結節診斷網絡，并對輸出圖象和相關診斷結果進行微調。

輸出模塊：在結節診斷網絡計算出所有結節的惡性評分后，對其進行融合以得出最后的圖象級惡性評分。融合圖像級惡性腫瘤評分可用公式Pf＝1（1p1）（1p2）…計算。（1PN），其中P代表結節惡性的概率，N代表結節的數目。

1 2 下一頁>