阿里云ET:肺结节诊断准确率近九成

日期: 2017-07-14 来源:TechTarget中国

阿里云ET:肺结节诊断准确率近九成

7月14日消息,国际权威肺结节检测大赛LUNA16的世界纪录被一家中国企业打破。阿里云ET凭借89.7%的平均召回率夺得世界冠军。此项技术突破由阿里巴巴iDST视觉计算团队完成,并已集成到阿里云ET医疗大脑中。

大赛要求选手对888份肺部CT样本进行分析,寻找其中的肺结节。样本共包含1186个肺结节,75%以上为小于10mm的小结节。最终,ET在7个不同误报率下发现的肺结节平均召回率达到89.7%,超出第二名0.2%。

阿里云ET:肺结节诊断准确率近九成

(FROC曲线)

召回率指在样本数据中成功发现的结节占比。上图显示了ET在不同误报次数下的召回率情况。

比赛中,阿里云ET医疗大脑克服了一系列挑战:结节模态复杂,早期的结节小(小于10mm),传统的机器学习和用于自然图像的深度学习网络通常难以凑效。

阿里巴巴iDST视觉计算团队负责人华先胜介绍,与常用的两阶段检测方法不同,他们创新性地使用了单阶段方法,全程无须人工干预。机器全自动读取病人的CT序列,直接输出检测到的肺结节。

在模型结构设计上,ET针对CT切片的特性,采用多通道、异构三维卷积融合算法、有效地利用多异构模型的互补性来处理和检测在不同形态上的肺结节CT序列,提高了对不同尺度肺结节的敏感性;同时使用了带有反卷积结构的网络和多任务学习的训练策略,提高了检测的准确度。

华先胜是视觉识别和搜索领域的国际级权威学者,曾获选国际电气与电子工程协会院士(IEEE Fellow)、美国计算机协会ACM杰出科学家。

阿里云ET:肺结节诊断准确率近九成

(肺部CT资料)

国家癌症中心公布的数字显示,肺癌在所有恶性肿瘤发病及死亡中均占首位。胸部CT放射影像技术,是肺癌早期筛查的有效手段。但是由于CT扫描影像数量多(一次CT扫描影像通常在200张以上),医生诊断的时间长,加上工作量大,容易疲劳,人工误差不可避免。人工智能成为新的选择。

目前,这一技术已经集成到阿里云ET医疗大脑中。ET医疗大脑可在精准医疗、医学影像、药效挖掘、新药研发、健康管理、可穿戴设备等领域承担医生助手角色,并已在肺癌、宫颈癌、甲状腺癌等领域实现突破。

在视觉计算领域的持续攻坚,是阿里巴巴“NASA”计划的一部分。不久前,该团队还打破了全球权威机器视觉算法测评平台KITTI的世界纪录,将车辆检测的准确率拉升至90.46%。这项技术后被应用到ET城市大脑中。

我们一直都在努力坚持原创.......请不要一声不吭,就悄悄拿走。

我原创,你原创,我们的内容世界才会更加精彩!

【所有原创内容版权均属TechTarget,欢迎大家转发分享。但未经授权,严禁任何媒体(平面媒体、网络媒体、自媒体等)以及微信公众号复制、转载、摘编或以其他方式进行使用。】

微信公众号

TechTarget微信公众号二维码

TechTarget

官方微博

TechTarget中国官方微博二维码

TechTarget中国

相关推荐