阿里云人工智能ET夺肺结节诊断世界冠军
7月14日消息,國(guó)際權(quán)威肺結(jié)節(jié)檢測(cè)大賽LUNA16的世界紀(jì)錄被一家中國(guó)企業(yè)打破。阿里云ET憑借89.7%的平均召回率奪得世界冠軍。此項(xiàng)技術(shù)突破由阿里巴巴iDST視覺(jué)計(jì)算團(tuán)隊(duì)完成,并已集成到阿里云ET醫(yī)療大腦中。
(LUNA16最新官網(wǎng)排行)
大賽要求選手對(duì)888份肺部CT樣本進(jìn)行分析,尋找其中的肺結(jié)節(jié)。樣本共包含1186個(gè)肺結(jié)節(jié),75%以上為小于10mm的小結(jié)節(jié)。最終,ET在7個(gè)不同誤報(bào)率下發(fā)現(xiàn)的肺結(jié)節(jié)平均召回率達(dá)到89.7%,超出第二名0.2%。
(FROC曲線)
召回率指在樣本數(shù)據(jù)中成功發(fā)現(xiàn)的結(jié)節(jié)占比。上圖顯示了ET在不同誤報(bào)次數(shù)下的召回率情況。
比賽中,阿里云ET醫(yī)療大腦克服了一系列挑戰(zhàn):結(jié)節(jié)模態(tài)復(fù)雜,早期的結(jié)節(jié)小(小于10mm),傳統(tǒng)的機(jī)器學(xué)習(xí)和用于自然圖像的深度學(xué)習(xí)網(wǎng)絡(luò)通常難以湊效。
阿里巴巴iDST視覺(jué)計(jì)算團(tuán)隊(duì)負(fù)責(zé)人華先勝介紹,與常用的兩階段檢測(cè)方法不同,他們創(chuàng)新性地使用了單階段方法,全程無(wú)須人工干預(yù)。機(jī)器全自動(dòng)讀取病人的CT序列,直接輸出檢測(cè)到的肺結(jié)節(jié)。
在模型結(jié)構(gòu)設(shè)計(jì)上,ET針對(duì)CT切片的特性,采用多通道、異構(gòu)三維卷積融合算法、有效地利用多異構(gòu)模型的互補(bǔ)性來(lái)處理和檢測(cè)在不同形態(tài)上的肺結(jié)節(jié)CT序列,提高了對(duì)不同尺度肺結(jié)節(jié)的敏感性;同時(shí)使用了帶有反卷積結(jié)構(gòu)的網(wǎng)絡(luò)和多任務(wù)學(xué)習(xí)的訓(xùn)練策略,提高了檢測(cè)的準(zhǔn)確度。
華先勝是視覺(jué)識(shí)別和搜索領(lǐng)域的國(guó)際級(jí)權(quán)威學(xué)者,曾獲選國(guó)際電氣與電子工程協(xié)會(huì)院士(IEEE Fellow)、美國(guó)計(jì)算機(jī)協(xié)會(huì)ACM杰出科學(xué)家。
(肺部CT資料)
國(guó)家癌癥中心公布的數(shù)字顯示,肺癌在所有惡性腫瘤發(fā)病及死亡中均占首位。胸部CT放射影像技術(shù),是肺癌早期篩查的有效手段。但是由于CT掃描影像數(shù)量多(一次CT掃描影像通常在200張以上),醫(yī)生診斷的時(shí)間長(zhǎng),加上工作量大,容易疲勞,人工誤差不可避免。人工智能成為新的選擇。
目前,這一技術(shù)已經(jīng)集成到阿里云ET醫(yī)療大腦中。ET醫(yī)療大腦可在精準(zhǔn)醫(yī)療、醫(yī)學(xué)影像、藥效挖掘、新藥研發(fā)、健康管理、可穿戴設(shè)備等領(lǐng)域承擔(dān)醫(yī)生助手角色,并已在肺癌、宮頸癌、甲狀腺癌等領(lǐng)域?qū)崿F(xiàn)突破。
在視覺(jué)計(jì)算領(lǐng)域的持續(xù)攻堅(jiān),是阿里巴巴"NASA"計(jì)劃的一部分。不久前,該團(tuán)隊(duì)還打破了全球權(quán)威機(jī)器視覺(jué)算法測(cè)評(píng)平臺(tái)KITTI的世界紀(jì)錄,將車輛檢測(cè)的準(zhǔn)確率拉升至90.46%。這項(xiàng)技術(shù)后被應(yīng)用到ET城市大腦中。
原文發(fā)布時(shí)間為:2017年7月14日? 本文來(lái)自云棲社區(qū)合作伙伴至頂網(wǎng),了解相關(guān)信息可以關(guān)注至頂網(wǎng)。 與50位技術(shù)專家面對(duì)面20年技術(shù)見(jiàn)證,附贈(zèng)技術(shù)全景圖
總結(jié)
以上是生活随笔為你收集整理的阿里云人工智能ET夺肺结节诊断世界冠军的全部?jī)?nèi)容,希望文章能夠幫你解決所遇到的問(wèn)題。
- 上一篇: 《机器人自动化:建模、仿真与控制》——2
- 下一篇: 绿盟科技发布OpenSSL高危漏洞技术分