足彩胜平负比分|足彩胜平负历史开奖
喜訊丨四川大學MILab半年累奪國際雙冠
2019-04-08 15:55:23   來源:互聯網
內容摘要
文:趙泓維近日,來自四川大學章毅教授領導的機器智能實驗室(MILab)的團隊再傳喜訊!斬獲全球醫療影像大賽LiTS冠軍,再次改寫了LITS(Liver and Tumor Segentation Challenge,肝臟腫瘤病灶分割挑戰)記錄,這一記錄曾被騰訊優圖實驗室、健培科技等一流人工智能團隊所…

文:趙泓維

近日,來自四川大學章毅教授領導的機器智能實驗室(MILab)的團隊再傳喜訊!斬獲全球醫療影像大賽LiTS冠軍,再次改寫了LITS(Liver and Tumor Segentation Challenge,肝臟腫瘤病灶分割挑戰)記錄,這一記錄曾被騰訊優圖實驗室、健培科技等一流人工智能團隊所占據。而機器智能實驗室(MILab)在其已有的優秀記錄之上再次拔高了AI腫瘤分割的dice值。

?

云圖片

?

世界頂級肝臟腫瘤分割大賽是一場由德國慕尼黑理工大學、以色列特拉維夫大學等高校、MICCAI聯合舉辦的比賽。其賽程的實質是在給定肝臟腫瘤病灶CT圖像數據庫的條件下,使用參賽者們的算法對庫中影像進行自動分割,以提升疾病診斷、圖像引導手術及醫學數據的可視化,發掘臨床診療與病理化研究過程中的依據。

?

肝臟腫瘤的形狀各異、大小不同、位置復雜、種類繁多,有些腫瘤塊肉眼無法區分。現有的方法時間復雜度高、實用性有限,且在臨床之中往往難以操作。未解決肝臟腫瘤分割問題,機器智能實驗室(MILab)實驗室另辟蹊徑,提出了一種三階段的自動分割算法,首先關注患者肝臟各組織的構造,然后在肝臟的關鍵區域對腫瘤影像進行精確分割。

?

云圖片

?

在模型方面,團隊巧妙地設計了一種2.5D全卷積神經網絡框架,能夠非常方便的進行遷移學習,降低分割模型的訓練時間,減少自動分割的時間復雜度。至2019年3月13日,該方法達到了0.737的dice指標,擊敗了百余名來自全球各地的參賽選手,取得LiTS腫瘤分割排行榜第一名的成績。

?

ICU預警、胸部器官分割賽事均有突破

不僅僅是胸部腫瘤,在一些更接近臨床的地方,機器智能實驗室(MILab)同樣取得了優異的成績。

?

國內ICU如今面臨巨大壓力。一方面,隨著老齡化的到來,病人數量不斷增加,而醫生成長時間長,供求差額越來越大,專業醫生資源嚴重不足。另一方面,目前很多疾病診療缺乏適用于國內人群的專業指南,均靠醫生經驗判斷,而有經驗的臨床醫生非常有限。

?

對于醫生而言,進入ICU的患者病情普遍多變復雜,綜合數據維度多達236項,遠超過了人力的控制范圍,難以精準評估病情變化。對于患者而言,ICU的開銷不菲,人均消耗醫療費用75673元(年產生醫療費用1000多億元),可以說ICU是醫院中最“燒錢”的科室。

?

從醫生的需求出發,機器智能實驗室(MILab)針對性的參加了一些特定項目的AI比賽,譬如MPC(Mortality Prediction Challenge死亡預測挑戰)等,嘗試處理影像信息以外的數值化信息,以輔助急癥室,手術室等需求急迫的科室,尋求更深遠的價值。

?

MPC通過嘗試統計ICU患者的多種身體健康數值指標(血壓,葡萄糖指標等)、個人信息(年齡,性別等)及疾病狀況,從而預測住院期間病人的存活概率。通過分析以上數據,醫護人員可以及時分析問題,嘗試對患者現有的儀器狀態進行調整以挽救患者生命。

?

機器智能實驗室(MILab)團隊歷時一個月參加該比賽,該比賽的訓練集總計80000條病人記錄,每條數據有300多個維度,但只有2000條數據的部分維度信息處于“反常狀態”。數據不平衡問題是目前的深度神經網絡的重點研究的領域,該比賽需要參賽者從如此大量的數據中尋找的這些反常數據,進行特征選擇,并分析相關因素對患者死亡時間的影響。

?

在處理這一問題上,機器智能實驗室(MILab)首先嘗試用多種傳統機器學習方法做數據特征選擇,篩選出其中表現最好的算法,再結合神經網絡模型進行預測。經過反復的迭代后,團隊的預測模型的準確率達到了78%,并在3月15日奪得了榜首。

?

云圖片

?

此外,在一個月前,MILab團隊參加了歷時三周的CT圖像胸部器官分割比賽(SegTHOR, Segmentation of THoracic Organs at Risk in CT images)。該比賽由法國貝克勒爾地區抗癌中心和魯昂大學聯合舉辦,參賽隊伍達到160多支。機器智能實驗室(MILab)團隊采用2.5D全卷積網絡結構,在針對器官的整體性和相互不獨立性的基礎上,提出了多任務學習的模型訓練策略,最終取得了第二名的好成績。

?

云圖片

?

從“科研”到“產品”的突破

科研只有在轉化為可落地的產品時,其價值才能獲得最大的體現。由此,在四川大學的支持下,機器智能實驗室(MILab)的成員成立了迭迦科技,嘗試將科研中的成果逐漸運用于更多的醫院,用人工智能技術去解決現有醫療體系中的技術難題與資源難題。

?

這一新興人工智能的優勢來源于其自上而下的研發路徑,坐擁四川大學華西醫院、四川省人民醫院、成都軍區總醫院、成都市婦女兒童中心醫院的科研合作,迭迦科技能夠深入醫生需求,了解患者感受,并由此為依托打造人工智能產品。

?

同時擔任迭迦科技董事長的章毅教授向記者舉了這樣一個例子:“華西乳腺外科呂青教授曾經經手過一位患者,她拿著的彩超報告上出具的診斷結果是‘良性性病變’,但是經過查體和問詢等初步診療手段,呂青教授高度懷疑該患者是‘惡性病變’,后來使用我們的‘迭迦科技’微信公眾號上乳腺癌彩超智能檢測系統復查,系統出具的結果是‘傾向于惡性病變’,并及時進行手術治療。最終,患者的病理報告結果,證明了其確實是‘惡性病變’。”

?

“這讓我覺得,人工智能的價值是在解決患者問題的同時顯示出來的,而我們完全了解在這一過程中醫生和患者雙方的需求。我們完全可以通過商業化的方式讓AI發揮更大的價值。”

?

如今,迭迦科技已經擁有一系列完善的人工智能產品,其涉及領域涵蓋了乳腺病變診斷、胸部疾病定性等領域,可對視網膜病變、黃斑水腫病變、嬰兒身體指標風險評估、乳腺診斷、甲狀腺結節智能診斷、細胞病理診斷等。

?

這些產品既是迭迦科技現有的成果,也是未來的發展方向。接下來,迭迦科技在繼續深入科研的同時,尋求產品研發方向的突破,在這個過程中,迭迦科技希望能有更多志同道合者加入其中,用新時代的技術顛覆醫療,讓更多的患者因此受益。







免責聲明:以上內容為本網站轉自其它媒體,相關信息僅為傳遞更多信息之目的,不代表本網觀點,亦不代表本網站贊同其觀點或證實其內容的真實性。

關鍵字相關信息:
足彩胜平负比分