AI提升脊柱侧弯估计准确度，腾讯优图荣获2019 MICCAI AASCE第一

近日，腾讯优图实验室医疗AI再获新突破。由腾讯优图研发的医疗AI系统——脊柱侧弯的全自动估计方法，从二百余支队伍中脱颖而出，在2019 MICCAIAASCE Challenge中斩获第一，精度达到国际领先水平。该比赛共吸引来自全世界的257支队伍注册参与(其中79支队伍提交了最终结果)。

AASCE竞赛排名截图(因为空间限制，只显示前20名)

准确的脊柱弯曲度自动定量评估是青少年特发性脊柱侧弯(AIS)临床评估和治疗规划的一项重要工作。目前基于AIS临床评价标准使用手工测量Cobb角度具有费时、不可靠的缺点。因此，开发精确的脊柱曲率自动估计方法和脊柱前后X光图像的误差矫正成为医疗AI领域的重要问题。

目前业界比较成熟的技术方法包括基于手工设计的过滤器分割方法及基于机器学习的自动估计方法。前者使用活动轮廓模型、自定义滤波模型以及带电粒子模型等数学模型对椎体进行定位，从而获取脊柱侧弯的Cobb角。但是，这种方法需要精确的锥体定位以及特征工程，具有计算量大，泛化性差等确定。近几年随着人工智能的发展，业界开始大量尝试基于机器学习的脊柱侧弯的自动估计方法，如采用支持向量回归、随机森林回归以及卷积神经网络等方法。

腾讯优图实验室提出的脊柱侧弯的自动估计方法，正是利用AI技术作为计算机辅助诊断来提高青少年特发性脊柱侧弯评估的精度和效率。

逻辑解决方案

对于前后位脊柱X光图，该系统首先采用多尺度分割技术对脊柱进行分割，得到椎体和间隙的分割掩码。将分割结果作为第二步Cobb角回归的输入。第一步分割有两点目的：1.可视化地排除脊柱区域之外的异常区域(如人为误差、运动伪影等)带来的误差;2.对原图进行降维，将复杂的X光图输入转化为包含脊柱区域的二值图。

为解决跨中心影像具有不同分布的困难，该系统采用领域迁移的方法，在保证分割精度的同时使网络尽量无视不同源域之间的差异。进而将分割结果作为输入，使用深度卷积神经网络回归Cobb角。最后，使用多模型融合方法，进一步提升系统的鲁棒性。

该系统未来可用于青少年特发性脊柱侧弯(AIS)计算机辅助诊断及治疗规划，提高医生在评估脊柱侧弯程度的精度及速度，创造一定的经济价值与社会价值;同时，该系统也可作为早期症状的检测，作为医生制定治疗手段的重要依据。

从AI导诊到AI辅助癌症早筛，AI技术在医疗行业中的应用已不陌生。依托前沿的计算机视觉技术，腾讯优图实验室在医疗AI领域持续探索应用，除了在全球医疗影像大赛LiTS中刷新两项纪录，获得肝分割、肝肿瘤分割两项技术世界第一之外;不久前还刷新了全球胸部多器官分割大赛SegTHOR Challenge 2019的世界记录。

技术研发不断深入的同时，腾讯优图也通过腾讯首个医疗影像产品“腾讯觅影”持续对外输出医疗AI能力，目前已支持宫颈癌、肺癌、眼科疾病等疾病筛查，并在国内100多家顶尖三甲医院进行落地，既减轻了医生的工作量，也为提升诊断准确率和效率发挥了重要作用。