0
雷鋒網(wǎng)AI掘金志《未來醫(yī)療大講堂——醫(yī)學影像專題》第三期總結(jié)文：一個只給醫(yī)療AI從業(yè)者、影像科醫(yī)生、名校師生、CFDA工作人員看的系列課程。
注：90分鐘的視頻信息量巨大，文字僅為冰山一角，強烈建議觀看完整版視頻，請點擊鏈接：http://www.mooc.ai/open/course/359
趙地教授從深度學習的技術(shù)在人類的4大病種(臂叢神經(jīng)、關(guān)節(jié)、乳腺、脂肪肝)影像中的前沿應用和大家分享了團隊的研究成果。
醫(yī)學影像是一個非常熱門的領(lǐng)域。超聲成像不僅僅是超聲儀器的小型化，還可以和移動計算、云計算結(jié)合，在這樣的情況下，應用場景就會大大拓展。
趙地博士在授課過程中提到了特征強調(diào)的概念：機器學習都要進行特征工程的選取，再進行相關(guān)算法的訓練。特征強調(diào)不需要選擇具體的特征，研究人員可以強調(diào)某一部分的特征，進行得到更精確的檢測結(jié)果。這個概念對于后續(xù)的深度學習算法的設計有非常好的作用，特別是在醫(yī)學影像分析方面。
趙地：中國科學院計算機網(wǎng)絡信息中心（CNIC），百人計劃，副研究員
中國科學院計算機網(wǎng)絡信息中心“百人計劃”趙地博士畢業(yè)于美國路易斯安娜理工大學，并在美國哥倫比亞大學和OSU從事博士后研究，在人工智能的醫(yī)學應用工作十余年。趙地老師帶領(lǐng)的腦科學計算研究課題組與NVIDIA成立“GPU教育中心”及“智慧醫(yī)療聯(lián)合實驗室”。
該團隊針對人類典型性疾病的早期診斷和治療展開研究，提出眾多解決方案并取得一系列成果。針對北京市乃至全國人口老齡化問題，趙地老師與首都醫(yī)科大學天壇醫(yī)院及宣武醫(yī)院合作，率先在國內(nèi)開展了基于醫(yī)學領(lǐng)域知識及深度學習的阿爾茨海默病早期診斷的研究，承擔了北京市自然科學基金重點項目及北京市科技重大專項等多項課題。
同時，該課題組已與國內(nèi)十幾家醫(yī)院合作，在HIV引起的認知障礙、血管性認知障礙、肺癌篩查、頸動脈超聲識別、前列腺癌智能診斷、糖網(wǎng)鑒別等諸多領(lǐng)域展開深入研究，并取得了一系列突出成果。
如何在醫(yī)學影像分析中應用好深度學習
基于深度學習的臂叢神經(jīng)識別
基于深度學習的關(guān)節(jié)智能識別
基于深度學習的乳腺超聲影像分析
基于深度學習的脂肪肝超聲影像分析
以下內(nèi)容節(jié)選自趙地博士課程
雷鋒網(wǎng)AI掘金志了解到，外科手術(shù)已經(jīng)成為日常醫(yī)療過程中不可缺少的治療手段，但是隨之而來的是外科手術(shù)對病患身體與精神上的巨大創(chuàng)傷，特別是手術(shù)中及術(shù)后護理過程中的疼痛對病人有著極大的精神壓力。
因此，為了緩解術(shù)中與術(shù)后疼痛，現(xiàn)在廣泛使用各種麻醉方式進行鎮(zhèn)痛。但是這也不可避免的帶來副作用，特別是麻醉藥劑對神經(jīng)系統(tǒng)的損害，因此為了提高麻醉效果，并且減小麻醉藥劑使用量，局部麻醉中藥劑注射部位精準度就成為關(guān)鍵。超聲設備在現(xiàn)代醫(yī)學檢測中有著廣泛的應用，其主要優(yōu)勢有：便于移動；無創(chuàng)傷；價格低廉；沒有輻射。但是超聲也有缺點：分辨率弱于CT；檢查結(jié)果易受醫(yī)師水平影響。
趙地表示，在上肢手術(shù)與術(shù)后護理中，臂叢神經(jīng)阻滯是一種常用的局部麻醉方式，為了精確確定臂叢神經(jīng)位置，現(xiàn)在廣泛應用超聲設備對神經(jīng)系統(tǒng)進行檢測和定位。
由于臂叢神經(jīng)超聲圖像是識別神經(jīng)結(jié)構(gòu)和位置的重要來源，因此超聲圖像識別準確度直接影響注射針頭或者留置導管介入，而傳統(tǒng)的超聲圖像識別是基于醫(yī)生或者護士的經(jīng)驗，所以介入精度受到人為因素影響。
為了使計算機能夠模擬醫(yī)生，向醫(yī)生學習，趙地博士團隊采用直接模擬“人”的方式入手，模擬人類大腦和視覺系統(tǒng)機理，從而實現(xiàn)把醫(yī)生在治療過程中問詢，結(jié)合化驗結(jié)果，檢查和診斷結(jié)論等知識放入計算機中。
針對介入精度受人為因素影響等問題，趙地博士團隊提出了一種基于深度學習(Deep Learning, DL) 中卷積神經(jīng)網(wǎng)絡(Convolutional Neural Network ,CNN )架構(gòu)的SegNet改進模型，用該模型訓練臂叢神經(jīng)超聲圖像數(shù)據(jù)，找出臂叢神經(jīng)組織特征，進行臂叢神經(jīng)組織自動檢測與分割。
他表示，Segnet的優(yōu)點是分割的精度比較高，可以輔助麻醉手術(shù)甚至是遠程醫(yī)療，缺點是運算量比較大，需要高性能的設備支撐。
此外，趙地博士團隊的基于Segnet的臂叢神經(jīng)檢測的訓練精度可以達到96%，基本滿足臨床上對于臂叢神經(jīng)超聲影像分析的需求。
為了避免僅使用肉眼對比訓練數(shù)據(jù)的準確度進行模型評估，在模型訓練完成后，趙地老師的團隊將測試數(shù)據(jù)送入模型，然后上傳測試結(jié)果至Kaggle網(wǎng)站對實驗結(jié)果進行比較和評價，Kaggle網(wǎng)站使用戴斯系數(shù)（Dice coefficient）來評估圖像分割結(jié)果和原標簽數(shù)據(jù)的相似程度。
在此前的研究基礎(chǔ)上，趙地博士的團隊還通過對圖像進行前處理，得到邊界增強效果，從而進一步提高臂叢神經(jīng)檢測的性能。
選擇一個好的前處理方式，對于特定檢測的目標的隱藏需求是很重要的，從超聲圖像中分割臂叢神經(jīng)，更關(guān)注對于邊界的把握。
通過對臂叢神經(jīng)的圖像能夠進行了兩次邊界增強以后，利用Segnet進行分割，可以進一步提高檢測精度，降低錯誤率。
他還分享了該項研究成果在超聲機上實際應用的效果。不同于實驗室環(huán)境，超聲機的運算能力有限。當超聲掃查面在接近臂叢標準面時，概率圖比較接近真實情況。
由于數(shù)據(jù)集不夠大、檢測體位的變化，導致超聲機實際操作過程中出現(xiàn)了假陽性診斷過多的現(xiàn)象。
趙地表示，在實際真機上要有好的處理效果，還需要增加預處理，以確?；译A分布與訓練數(shù)據(jù)比較接近。
現(xiàn)在超聲都是連續(xù)的，身體項目的考核指標需要實時更新，如何在檢測模型的精度和速度上達到比較理想的效果，還需要進一步的研究。
隨后，趙地博士還講到乳腺結(jié)節(jié)篩查等方面的工作。
國內(nèi)外研究的基本方法是基于紋理特征的檢測方法和基于形態(tài)學的檢測方法?；诩y理特征的檢測方法是通過提取中心矩、熵等紋理特征，應用現(xiàn)行分類器識別腫瘤判定良惡性；基于形態(tài)學的檢測方法是對腫瘤進行半自動分割，提取腫瘤特征進行乳腺癌的分級診斷。
但是其中還存在兩點問題：1、沒考慮到腫瘤的特殊形態(tài)及表現(xiàn) 2、過度依賴分割效果，出現(xiàn)特征提取不全面或不充分。
要達到識別結(jié)節(jié)的目標，趙博士的團隊利用從醫(yī)院獲取的數(shù)據(jù)進行對抗網(wǎng)絡等方法實現(xiàn)數(shù)據(jù)擴增。利用線性對比度拉伸、非線性拉伸、直方圖均衡化等多種邊界增強的方法，在Alexnet上進行訓練。
經(jīng)過這幾種前處理的方式以后，準確率有明顯的提高。趙博士表示，希望能夠?qū)Ω嗟呐R床數(shù)據(jù)進行分析，不斷探索圖像前處理的方法，包括對抗網(wǎng)絡的設計方式，讓結(jié)果得到進一步的提升。
在課程中，趙地博士還講授了利用機器學習在脂肪肝紋理特征進行前處理，實現(xiàn)特征增強以及深度學習技術(shù)在關(guān)節(jié)方面的一系列工作。“如果我們可以把脂肪肝的超聲檢測做到更高的精度，甚至像臂叢神經(jīng)一樣，如果能夠與移動超聲儀器相結(jié)合，將會產(chǎn)生非常大的價值?！?/p>
他表示，通過前處理的方式，可以有效地提高檢測的精度，這項工作非常重要而且很有必要。特別是超聲影像存在手法的問題，對于算法的設計者又提出了很多挑戰(zhàn)。
雷鋒網(wǎng)AI掘金志線上直播結(jié)束后，學員從不同維度提出了25個問題，趙地博士對多數(shù)問題進行了耐心解答。
問題：
1、深度學習應用于醫(yī)學影像的話是否數(shù)據(jù)預/后處理比模型搭建更重要？對于小樣本和類別不平衡的數(shù)據(jù)該如何處理呢？
2、您覺得目前市場上哪3類病種影像分析方向最有前景？
3、邊界是怎么增強的？
4、醫(yī)學圖像中有些分割目標相比較于背景而言非常少，一般如何解決醫(yī)學圖像中正負樣本不均衡問題？
5、對于分割區(qū)域標注不是很準確的情況，有什么好的解決方案么？
6、對于用于腦瘤分割的核磁共振圖像的比較好的圖像前處理是什么？
……
詳細內(nèi)容和精彩問答，歡迎點擊鏈接：http://www.mooc.ai/open/course/359
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
