
人工智能肺部損傷識(shí)別平臺(tái)RadVid-19正在幫助巴西圣保羅大學(xué)醫(yī)學(xué)院醫(yī)生發(fā)現(xiàn)和診斷新冠肺炎。視覺中國供圖
【情報(bào)所】
如何在沒有就診醫(yī)生參與的前提下,準(zhǔn)確高效地分析判斷影像數(shù)據(jù)以便及時(shí)而科學(xué)地診斷病情?
日前,南京工業(yè)大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院副教授杭文龍、碩士生黃燁鋮提出“基于可靠感知對(duì)比自集成的半監(jiān)督醫(yī)學(xué)圖像分類”的研究思路,相關(guān)論文被2022年MICCAI學(xué)術(shù)會(huì)議提前錄用。
目前,我國醫(yī)學(xué)影像數(shù)據(jù)年增長率約為30%,而放射科醫(yī)師數(shù)量年增長率僅為4.1%,通過AI方式輔助影像科、放射科醫(yī)生進(jìn)行診斷,以提升醫(yī)療機(jī)構(gòu)服務(wù)水平和效率、解放勞動(dòng)力,已成為當(dāng)前醫(yī)學(xué)影像發(fā)展的熱點(diǎn)和學(xué)界研究的焦點(diǎn)。
“醫(yī)學(xué)影像數(shù)據(jù)需要大量醫(yī)學(xué)專業(yè)人員開展手工標(biāo)注,耗時(shí)耗力,阻礙了深度學(xué)習(xí)方法在臨床實(shí)踐中的應(yīng)用?!焙嘉凝埥榻B,借助于大量未標(biāo)記數(shù)據(jù)建立半監(jiān)督學(xué)習(xí)模型是一種有效解放人力的途徑。
“毋庸諱言,不同醫(yī)生、不同設(shè)備在不同光線、不同角度等參數(shù)的影響下,拍出的影像數(shù)據(jù)不盡相同,這便會(huì)給AI模型的訓(xùn)練過程造成干擾,影響其在臨床應(yīng)用中的判斷?!焙嘉凝埍硎?,因?yàn)椴煌娜巳?、設(shè)備和環(huán)境中采集的大量醫(yī)學(xué)影像數(shù)據(jù)之間通常會(huì)存在較大差異,所以會(huì)對(duì)模型的預(yù)測(cè)性能產(chǎn)生不利影響。
“我們?cè)谘芯恐薪⒘丝煽扛兄獧C(jī)制,解決了實(shí)際臨床中的痛點(diǎn)問題?!焙嘉凝埥忉?,在借助AI輔助技術(shù)時(shí),通常首先需要訓(xùn)練分類器,但傳統(tǒng)的分類器對(duì)數(shù)據(jù)不加判斷,一股腦兒地都用,我們的研究賦予該分類器以智慧,會(huì)進(jìn)行分棟,做到去劣存優(yōu)。
據(jù)介紹,較之傳統(tǒng)分類器,他們的分類器通過可信權(quán)重機(jī)制,將未標(biāo)記醫(yī)學(xué)影像數(shù)據(jù)的概率預(yù)測(cè)映射到反映其可靠性的權(quán)重值,選擇性地利用可靠的未標(biāo)記醫(yī)學(xué)影像數(shù)據(jù),排除不可靠的醫(yī)學(xué)影像數(shù)據(jù)的干擾,建立安全的半監(jiān)督學(xué)習(xí)模型,提升分類器模型的預(yù)測(cè)能力。
“分類器模型在可靠數(shù)據(jù)的訓(xùn)練下,增強(qiáng)了模型對(duì)可靠的數(shù)據(jù)層面信息和數(shù)據(jù)結(jié)構(gòu)層面信息的協(xié)同學(xué)習(xí)能力?!焙嘉凝埍硎荆^之傳統(tǒng)分類器,他們進(jìn)一步設(shè)計(jì)了安全一致性正則化以及安全對(duì)比正則化機(jī)制,結(jié)合這兩種正則化機(jī)制訓(xùn)練的分類器能夠挖掘可靠數(shù)據(jù)的深層信息,可以廣泛應(yīng)用在醫(yī)院等各個(gè)醫(yī)療機(jī)構(gòu)中助力檢測(cè)判斷。
“隨著在線醫(yī)療診斷的發(fā)展,該項(xiàng)研究成果對(duì)提升醫(yī)學(xué)影像診斷效率、降低漏診誤診率以及節(jié)約人工成本具有重要的應(yīng)用價(jià)值和廣闊的應(yīng)用前景?!焙嘉凝埥榻B,“在惡性皮膚黑色素瘤圖像以及結(jié)直腸腺癌組織學(xué)圖像開展實(shí)驗(yàn)驗(yàn)證,我們的方法較基線方法分類識(shí)別率提升了3%左右,分別取得了93.27%以及88.57%的分類識(shí)別率?!?/p>