这就是华为云医疗AI团队这篇论文要解决的问题,他们提出了一种通过学习方向特征图,强化像素间语义级关联,通过增加类间距,缩小类内距,来维持物体解剖学结构,实现高精度的边缘分割。具体过程如下图所示:
首先,用U-Net来学习初始分割效果图。之后,基于U-Net主干,通过DF模块学习每个像素方向场的强度信息和方向信息。
接下来,利用学习得到的方向场信息对初始分割效果进行迭代修正,使用脏器中间分割结果指导边缘分割。最后,联合初始分割效果+方向场学习+修订的分割效果等任务进行多任务学习。
论文中展示了这一方法的分割以及泛化性能。相比已有的方法,其在心脏分割迁移任务上(Self-collected ->ACDC, ACDC ->Self-collected)分别提升了1.1个点和1.7个点。
基于行业热点研究课题,两篇论文都被业内顶会收录,华为云医疗AI的实力可见一斑。
基于上述两种方法,华为云医疗AI团队联合华中科技大学联合开发了一套基于深度学习的心脏AI服务,可实现心脏各结构的自动分割、并进行精准量化分析,实现单病例量化结果的秒级输出,AI+医生复核总体效率是纯人工量化评估速度的数十倍。目前,该服务已成功在华为云上线。
但这只是其近年来研究成果的一部分,华为云在医疗AI领域,已经深耕许久,尤其是在医学影像领域。
华为云医疗AI布局浮出水面从研究成果来看,事实上,在去年的MICCAI以及MICCAI-MIML上,华为云医疗AI团队已经有3篇论文入围,覆盖宫颈癌筛查、脑中风分割以及平片诊断报告自动生成等应用场景。
在近年来多个医学影像相关的AI挑战赛事上,华为云的技术实力也都达到了世界领先水平。
比如在Grand-Challenge胎儿超声影像头围测量比赛(HC18)上,华为云超过了香港中文大学、中国科学院、加拿大女王大学等100多个大学和科研机构,以1.89mm的平均绝对误差取得第一。
前段时间,我们报道了IEEE Fellow、AI大牛田奇加入担任华为云人工智能领域首席科学家。
田奇作为计算机视觉领域大牛,主导AI视觉方向的前沿研究,他加入之后,想必会提升华为云在计算机视觉领域的基础研究实力。可以预见,在田奇加入后,华为云医疗AI,尤其是医学影像方面,未来还会有更大的进展。
但不仅仅是研究,华为云还在积极探索怎样将AI技术快速落地。
过去的这几年,他们与医疗行业中的企业及医院和高校合作,为用户提供端到端的AI使能平台,推动AI应用到行业场景中。
2019年6月,华为云与金域医学合作,在AI辅助病理诊断应用开发方面取得突破性进展。他们训练出的宫颈癌筛查模型,在排阴率高于60%的基础上,阴性片判读的正确率高于99%,同时,阳性病变的检出率超过99.9%。
一举成为国际上已公布的AI辅助宫颈癌筛查的最高水平。而且在诊断速度上也大大提升:每例病理判读仅需36秒,是人工判读的10倍。