騰訊AI，開源又有新動(dòng)作。

旗下頂級(jí)AI實(shí)驗(yàn)室騰訊優(yōu)圖，對(duì)外開源了騰訊首個(gè)醫(yī)療AI項(xiàng)目——深度學(xué)習(xí)預(yù)訓(xùn)練模型MedicalNet。

?

這一項(xiàng)目，專為3D醫(yī)療影像在深度學(xué)習(xí)上的應(yīng)用開發(fā)，也是業(yè)內(nèi)首個(gè)同方向上的預(yù)訓(xùn)練模型。

騰訊優(yōu)圖說，MedicalNet能夠加快模型收斂，減輕模型對(duì)數(shù)據(jù)量的依賴，幫助3D醫(yī)療影像AI應(yīng)用“打地基”。

而且，專有領(lǐng)域?qū)Ｓ心Ｐ?#xff0c;MedicalNet相當(dāng)于為各個(gè)3D醫(yī)療影像應(yīng)用準(zhǔn)備了具備臨床通用知識(shí)的數(shù)據(jù)庫。

即使在小數(shù)據(jù)量中，這一數(shù)據(jù)庫的有效特征也能幫助落地應(yīng)用取得較好的醫(yī)療檢測(cè)性能。

開源項(xiàng)目地址：
https://github.com/Tencent/MedicalNet

專為3D醫(yī)療影像開發(fā)

自然圖像領(lǐng)域中存在著許多海量數(shù)據(jù)集，如ImageNet，MSCOCO?；谶@些數(shù)據(jù)集產(chǎn)生的預(yù)訓(xùn)練模型推動(dòng)了分類、檢測(cè)、分割等應(yīng)用的進(jìn)步。

與自然圖像不同的是，醫(yī)療影像大部分都是3D結(jié)構(gòu)形態(tài)的，同時(shí)，由于數(shù)據(jù)獲取和標(biāo)注難度大，數(shù)據(jù)量稀少，此前并沒有海量數(shù)據(jù)集及對(duì)應(yīng)的預(yù)訓(xùn)練模型開源。

騰訊優(yōu)圖表示，這正是其開源MedicalNet的原因所在。目前，MedicalNet具備5大特性：

1、預(yù)訓(xùn)練網(wǎng)絡(luò)可遷移到任何3D醫(yī)療影像的AI應(yīng)用中，包括但不限于分割、檢測(cè)、分類等任務(wù)；

2、尤其適用小數(shù)據(jù)醫(yī)療影像AI場(chǎng)景，能加快網(wǎng)絡(luò)收斂，提升網(wǎng)絡(luò)性能；

3、通過簡單配置少量接口參數(shù)值，即可進(jìn)行微調(diào)訓(xùn)練；

4、提供多卡訓(xùn)練以及測(cè)試評(píng)估代碼，接口豐富，擴(kuò)展性強(qiáng)；

5、提供不同深度3D ResNet預(yù)訓(xùn)練模型，可供不同數(shù)據(jù)量級(jí)應(yīng)用使用。

MedicalNet是如何做出來的？騰訊優(yōu)圖給出了解釋：

MedicalNet聚集了來自多個(gè)不同3D醫(yī)療領(lǐng)域的語義分割小規(guī)模數(shù)據(jù)集，并提出了基于多分支解碼器的多域聯(lián)合訓(xùn)練模型來解決數(shù)據(jù)集中的標(biāo)注缺失問題。

這一預(yù)訓(xùn)練的適用性也很強(qiáng)，可以遷移到任何3D醫(yī)療影像應(yīng)用的深度學(xué)習(xí)模型中。整個(gè)系統(tǒng)的工作流程如下圖所示：

?

效果遠(yuǎn)優(yōu)于從零訓(xùn)練

為了衡量模型效果，他們將MedicalNet模型遷移到預(yù)訓(xùn)練時(shí)未接觸過的Visceral和LIDC數(shù)據(jù)集中。

并用它來完成全新的肺部分割和肺結(jié)節(jié)分類任務(wù)，并與目前常用的從零訓(xùn)練（train from scratch）以及Kinetics視頻3D預(yù)訓(xùn)練模型在性能以及收斂速度上做了比較。

在肺部分割應(yīng)用上，與Train from Scratch相比，MedicalNet在Dice上有16%到33%幅度的提升，與Kinetics相比有4%到7%幅度的提升。

在肺結(jié)節(jié)良惡性分類應(yīng)用上，與Train from Scratch先比，MedicalNet的預(yù)測(cè)準(zhǔn)確度提升了6%到23%幅度，與Kinetics相比，提升了7%到20%。

在收斂速度上，無論是在肺分割任務(wù)還是肺結(jié)節(jié)分類任務(wù)上，MedicalNet都能為模型提供一個(gè)較低的初始化損失值，明顯加快損失下降速度。

下圖是MedicalNet性能的一個(gè)簡單示例，展示了在全器官分割應(yīng)用中，不同預(yù)訓(xùn)練方式在一定訓(xùn)練迭代次數(shù)下的測(cè)試結(jié)果。

圖中表示，基于MedicalNet的結(jié)果最接近ground truth，且遠(yuǎn)優(yōu)于從零訓(xùn)練（train from scratch）的結(jié)果。

?

騰訊醫(yī)療AI

騰訊在AI醫(yī)療方面沉淀已久，近年來業(yè)內(nèi)名聲愈盛，刷新多項(xiàng)世界紀(jì)錄。

比如今年6月，全球胸部多器官分割大賽上，騰訊優(yōu)圖與廈門大學(xué)王連生老師實(shí)驗(yàn)室聯(lián)手，刷新3項(xiàng)全球新紀(jì)錄。在此此前，雙方也在肝分割、肝腫瘤分割兩項(xiàng)技術(shù)挑戰(zhàn)賽中斬獲世界第一。

?

騰訊優(yōu)圖表示，其醫(yī)療AI已經(jīng)具備進(jìn)行上億規(guī)模的模型訓(xùn)練及合作接入的能力。

而且，他們不僅僅只是研究，技術(shù)落地也早已開始。

近年來，這些醫(yī)療AI技術(shù)正在通過騰訊旗下首個(gè)醫(yī)療影像產(chǎn)品“騰訊覓影”持續(xù)對(duì)外輸出，目前已支持宮頸癌、肺癌、糖尿病視網(wǎng)膜病變等癌癥篩查，并在國內(nèi)100多家頂尖三甲醫(yī)院進(jìn)行落地。

騰訊優(yōu)圖表示，后續(xù)將繼續(xù)開源更多醫(yī)療AI領(lǐng)域的模型，這也是騰訊一直在做的事情。

截至2019年8月，騰訊已在Github上發(fā)布81個(gè)開源項(xiàng)目，覆蓋AI、云計(jì)算、安全等領(lǐng)域，累計(jì)獲得了超過23萬標(biāo)星。

.

與50位技術(shù)專家面對(duì)面20年技術(shù)見證，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腾讯开源首个医疗AI项目，业内首个3D医疗影像大数据预训的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。