宋森教授:人工智能对肺部影像的分析识别:现状与前景
2018-06-25 10:54:53爱云资讯
人工智能领域近几年是热门话题,人工智能对肺部影像的分析识别如何?来自清华大学的宋森教授就《人工智能对肺部影像的分析识别:现状与前景》进行了报告。
FDA在4月批准通过了一项应用于糖网筛查的自助式人工智能诊断设备IDx,这是一个里程碑式的事件。通过FDA的声明,FDA主要看好该公司和医生的合作,而不是同医生比试的路子。估计中国也将在未来一两年推出相关的标准和批准相关产品。以深度学习为代表的人工智能技术最近在医疗影像的分析识别领域取得了很大进展。
基于肺癌辅助诊断方面,在2017年的数据国际大赛上,本实验室学生团队和清华大学计算机系胡晓林副教授、张钹院士合作,获得了世界第一成绩,比赛内容为从CT图像预测肺癌的发病率。肺结节的形态多变且大小不一,需要运用比较复杂的深度神经网络和基于概率的贝叶斯网络协同来识别。我们利用了LUNA和DB3两个数据集上进行交替训练,总体达到了AUC=87%的结果,大致对应于80%的敏感率,和80%的特异性,医生水平大约为78%的敏感率,和80%的特异性。
肺结节示例
我的观点是未来这方面的进一步提高有赖于更好的标注、以及把病史等其他因素加入帮助诊断。我们在中日的临床数据集上的初步经验表明,在实心结节上的模型预测效果和在公开数据集上类似,但在磨玻璃结节上效果还不理想,在弥散性肺病情况下容易假阳性。最近深度学习算法的进展主要集中在提高可解释性以及通过迁移学习和交互式标注减少对标注数据的要求。我们将相关方法运用到弥散性肺疾病类型的肺间质病的纹理分割上取得了不错的初步成果。这些成果也可以被运用到提高肺癌辅助诊断中。
展望未来,我们需要把有更高可解释性的深度学习算法和基于贝叶斯网络的推理系统结合,融合病人的其他信息和医生的先验知识,构建完整的针对多种肺疾病的完整诊断系统。另外通过对大量多模态电子病历和影像数据的挖掘,以及通过和医生的交互,可以挖掘新的诊断经验。由于人工智能在短期还不能完全模拟人的认知,在可见未来最好的模式仍然是人机协同,由于这次人工智能的诊断率已接近人类,我相信相关的诊断系统能真正帮助医生提高诊断效率。
- 《2024人工智能与职场研究报告》发布: AI已多领域渗透,就业模式将被重塑
- HID 2024年安防趋势报告:人工智能的应用日益增多
- AI FOR ENGINEERS研讨会:推动人工智能技术赋能工程仿真创新
- 思科重新构想人工智能时代的数据中心与云端安全
- AI赋能出版新质生产力发展 蜜度承办人工智能与出版新质生产力论坛
- 小影科技参编《生成式人工智能数据应用合规指南》团体标准正式发布
- 云天励飞助力深圳高级中学启用人工智能联合实验室,共绘智慧教育新篇章
- 中国人工智能发明专利企业排行榜揭晓 OPPO位列第九
- 聚焦人工智能编程教育,点猫科技亮相第83届中国教育装备展
- 浪潮信息IPF24: 发展人工智能+,创新需要激发活力、拓展路径、加速落地
- “元脑”品牌全面升级!浪潮信息全力进击人工智能
- 云测数据入选2024全国“人工智能+”行动创新案例TOP100
- 智联世界·“模”生未来-2024人工智能论坛在北京隆重召开
- 人工智能领域的关键挑战:高质量的训练数据处理能力
- Viettel开设越南最大的数据中心,通过部署绿色技术,为人工智能发展做好准备
- Cognex 推出全新人工智能 3D 视觉系统