北京大学王立威教授: AI 医学影像的现状、机遇与挑战
参考来源:http://www.sohu.com/a/209212040_114877
摘自AI掘金志与慕课学院联合举办的视频课程,课程地址:http://www.mooc.ai/course/339/thread?page=2
我没有观看视频,还是舍不得花这个钱啊!!记录一些从网上获取的重点。
专家简介:北京大学王立威教授,首位获得AI's 10 to Watch奖的亚洲学者,同时也是LUNA和天池AI医疗大赛冠军队导师
王教授实战的案例人工智能肺结节检测与良恶性诊断:采用了三阶段模型框架来解决肺结节的种类多,形态各异,容易与血管及其他组织混淆的问题。
具体为:
1.肺门区域结节
肺门区域结节是非常容易发生错误、漏检的地方,肺门区域结节和其他结构完全连接在一起的特性使得信息难以区分。王教授团队的技术核心是将多尺度信息结合,应用一种特征金字塔网络(FPN)。
3.结节临床意义分析
在结节临床意义分析方面,王立威教授指出:一个患者的整个肺里只有一个地方有结节,另一个患者有很多结节,虽然有一样的结节,但是对于两个人的意义是不同的。我们通过结合病例内所有结节的全局信息,进行结节临床意义分析与判断,帮助医生关注到更具有临床意义的结节。整个过程为:
注意:这里用到了Context Net。避免孤立地看待检测出的结节,而是在全局上判断哪些是有临床意义的,包括利用系统判断结节良恶性的概率值。
在他看来,医学影像问题可以分为两类:
1.提高效率。对于医生而言,检测出肺结节是很容易的事情 ,人工智能血药做到的就是提高效率。
2.攻克医学难题
对于未来在AI医学影像领域的工作者来说,最重要的事情是要兼备人工智能技术和医学知识,既要成为机器学习专家,也要不断学习医学知识。AI工作者需要花很多时间培养自己阅片的能力,要像一个初级的医师一样不断学习影像方面的知识。最好做一个懂医学懂机器学习的双向人才。
一些与学员的问答:
问:作为放射科医生,对于肺结节自动检出产品,最关心的是假阴性,这个问题怎么解决?
答:从医学的角度来讲,大家关注的性能指标应该是两个:特异性和敏感性,敏感度其实指的是一种查全率,是不是把所有的结节都找到了。特异性是指假阳性的比例。在某种意义上,这是两个矛盾的指标,如果把一个指标调到最大,那肯定另一个指标的表现就会变得很差,大家都希望这两个指标能够达到一个最好的平衡。
问:目前的深度学习技术,能够比较高精度的检测多小的结节,五毫米左右如何?
答:我们现在的系统检测五毫米左右的结节没有任何问题。当然从医学的角度来说,国家也发布了关注这类筛查的手册指导意见。我们真正需要关心的就是三毫米以上的结节,三毫米以下现在可以不需要在报告里体现,我们的系统在三毫米以上的检测都是没有什么问题的。