中国版人工智能医生弯道超车“沃森” 用算法找到肿瘤项目 人工智能直肠癌读片准确

kevinli2012

中国版人工智能医生弯道超车“沃森”用算法找到肿瘤项目 人工智能直肠癌读片准确率超医生“阿尔法”遇无法行医尴尬 http://newspaper.jfdaily.com/jfrb/Mobile/2017-08/14/content_28177.htm?from=singlemessage&isappinstalled=0 用算法找到肿瘤！“直肠癌识别”昨上演人机对决 影像科机器医生大胜！以20倍于医生的速度，勾画出直肠癌病灶 23.17秒，就完成了所有300张影像的直肠癌病灶的勾画处理，而医生团队在此时间内，仅完成了14张图像的勾画处理。昨天（23日）上午，在苏州国际博览中心举行的中国医学装备协会第26届学术与技术交流年会暨医学装备产业发展与应用协同推进会议上，一场直肠癌识别的人机对决精彩上演，结果影像科机器医生取得大胜。 影像科机器医生，以20倍于医生的速度，勾画直肠癌病灶 随着人工智能技术的算法和硬件技术的逐渐成熟，基于深度学习的医学影像识别技术研究也蓬勃发展。但是，目前大部分的研究成果还需要医生的人工辅助病灶圈画，无法做到自动化癌变区域搜索和识别。不过，在苏州协同创新医用机器人研究院和苏州第二空间软件科技有限公司资助下，近日由上海交通大学闫维新联合和浙江大学牛田野组成的联合研发小组，通过优化的目标检测深度学习算法，在全球首次实现了直肠癌病变区域的自动检测和精确区域勾画。 昨天上午，在活动现场，记者看到，在本次Cancer Identification Talent Show人机对决中，上海交通大学和浙江大学联合研发团队开发的直肠癌人工智能识别系统α-D和浙江大学附属邵逸夫医院3位经验丰富的影像科医师组成的医生团队进行了现场切磋。一边是通过海量样本数据训练出来的超级AI，另一边是经验丰富的高级医师，同时对病灶靶区进行勾画。 据介绍，整个人机大战主要分为限时演练和快者为王，α-D和医生团队分别在勾画的准确度和速度上进行了激烈的对战。 第一轮为规定时间病灶勾画的准确度比赛，由观众随机挑选15份样本，每份样本30张图片，一共450张，在5分钟的规定时间内进行勾画，最后由专家进行勾画准确度的评判。经过5分钟的激烈对决，最终α-D以95.22%：93%的准确度微弱优势胜出，α-D的完成度为100%，即在五分钟内完成了所有450张影像图片勾画，医生团队完成度33%，即完成了149张影像图片勾画。 第二轮为勾画速度比赛。由观众随机挑选10份样本，每份样本30张图片，一共300张。α-D和医生团队中的任一组完成300张图像勾画便停止比赛，并对比两个团队的勾画量。最终α-D用时23.17秒，完成所有300张影像的勾画处理；而医生团队在此时间内完成了14张图像的勾画处理，α-D以20倍于医生的速度取得胜利，人工智能平台的优势尤为突出。 直肠癌人工智能识别系统专家——闫维新：α-D并不能取代医生，只是提供工作辅助 记者了解到，本次联合团队由上海交通大学闫维新、浙江大学牛田野以及苏州正交医学影像技术有限公司廖焕华的带领下，在十几个博士硕士组成的研发团队共同努力下完成。 闫维新，上海交通大学机械与动力工程学院博士，博士生导师，2014年开始深度学习在医疗领域的应用研究，尤其是分子病理学诊断和人工智能的结合，在良恶性肿瘤病理诊断、分子诊断核心技术的研发方面具有丰富的经验。主持了国家自然科学基金项目2项，973子课题1项，横向课题多项。获得省市级科技成果鉴定项目一项、上海市科学技术奖三等奖，发表国际期刊论文20多篇。牛田野，浙江大学转化医学研究院教授，博士，博士生导师。浙江省千人计划专家，国家科技部863计划青年科学家，从事计算机断层成像技术和设备研发。廖焕华，苏州正交医学影像技术有限公司联合创始人，大数据和人工智能技术专家。原龙图游戏上海研发中心总经理，副总裁。原腾讯T4技术专家，拥有在华为，中国移动，腾讯公司等世界一流企业超过18年的技术研发管理经验。 据闫维新介绍，α-D采用Faster RCNN深层网络架构，训练数据主要来自于浙江的邵逸夫医院与上海的瑞金医院上万张的直肠癌医学影像图，通过经验丰富的医生勾画的病灶框选图进行多次迭代训练。α-D采用imagenet数据集对模型进行一个预训练，在预训练的基础上引入医学影像图来进行调优训练，求解器采用学习率步进策略的衰减的方式来进行学习，在训练过程时不断对里面的参数进行调整，例如迭代次数等，避免训练欠拟合与过拟合的发生，使得α-D尽最大可能从这些影像图片中获取医生的经验，最后实现就像医生一样，能够准确框选出直肠癌影像中感兴趣区域。 从比赛结果可以看出，目前这个的程度的α-D，已经可以和医生达到相同甚至略高的工作准确度，同时其工作效率远高于医生。不过，闫维新博士表示，目前开发的α-D主要工作是对于医生判别的辅助，提高部分医生的诊断能力和提高医生的工作效率，并不是取代医生的工作。在实际临床工作中，对疾病的诊断，需要广阔的知识背景，而α-D进行训练的数据是基于现有的金标准数据，并不能对一些相对复杂的情况进行决策，还需要不断输入海量的复杂的影像数据进行优化训练，提高其判断的准确度和对复杂影像的处理。 中国医学装备协会第26届学术与技术交流年会暨医学装备产业发展与应用协同推进会议、2017医学装备与技术展览会，邀请了国内外行业知名专家300位以上与会，专家均为医疗机构各学科带头人，共商医学装备创新发展。本届大会将围绕医疗卫生改革及“健康中国2030”规划纲要中有关医学装备科技创新、智能制造、配置应用和产业发展等相关政策开展论坛，并就精准医学、前沿医学装备技术、智能制造与智能医疗等专题进行学术报告。而大会主办方为了在专业领域推动人工智能的深入应用，组织了此次人机大战（Cancer Identification Talent Show）。