首页-腾讯优图推出卷积神经网络深度学习算法模型

企业新闻 | 2021-04-01
本文摘要:优图实验室牵头广东省肺癌研究所吴一龙教授/钟文昭教授团队,与清华大学及国内许多中心呼吸科/放射科团队等共同开发了基于卷积神经网络算法的肺结节诊断模型,最近这一可行性研究成果已经成为全世界癌症随着低剂量螺旋CT(LDCT )的普及,检测到更多的肺部结节,使患者寻求早期临床,早期手术的临床治愈率很高。

优图实验室牵头广东省肺癌研究所吴一龙教授/钟文昭教授团队,与清华大学及国内许多中心呼吸科/放射科团队等共同开发了基于卷积神经网络算法的肺结节诊断模型,最近这一可行性研究成果已经成为全世界癌症随着低剂量螺旋CT(LDCT )的普及,检测到更多的肺部结节,使患者寻求早期临床,早期手术的临床治愈率很高。但是,作为筛选CT的手段,不存在高假阳性率(即CT发现的结节不一定是恶性的,或者有可能极其惰性地生长肿瘤),另外激增的CT分析工作也大大增加了放射科医生有限的劳动时间和劳力近年来,机器学习算法是医疗领域的大展拳(糖尿病视网膜恶性肿瘤/皮肤病/甲状腺结节等),基于卷积神经网络算法(机器学习算法等)的肺结节诊断模型将来将解决问题。

这次腾讯优图牵引了吴一龙教授/钟文昭教授团队和多个中心等推出的基于卷积神经网络算法的肺结节诊断模型,将来在提高医生结节检出率的同时考虑到丰恶性临床的准确率,放射科医生的日常CT负作为腾讯找到影子核心的AI技术的获取来源,腾讯优图实验室通过腾讯继续找到影子,与更好的医院和医疗机构合作,将技术切实适用于落地。目前腾讯求影已经与国内最多100多家顶级三甲医院协商合作,共同推进了AI在医疗领域的研究和应用。另外,与腾云服务器合作,腾讯优图开展了1亿规模的模型训练和合作终端,不具备为技术落地确保强大的服务。

米乐体育app官网下载

米乐体育app官网下载

将来,AI医学的未来将在推进各级医疗系统诊断同质化、减少医生工作量、提高临床准确率和效率方面发挥更大的成果。一、分析步骤:预处理模块:从CT切片中分离含肺组织的图像区域,阈值0HU去除相关组织(骨和软组织),然后使用自适应阈值图像分割方法,制作三维模型。修复三维图像是标准化的切片厚度和分辨率,以防止不同CT设备的误差。

结节临床模块:建立3D肺结节检查网络取得修复图像的3D特征。在Pythorch平台上CNN (卷积神经网络)模型,a,(结节检测网络),输出信息还包括图像和适当的方位选择信息。b .根据第一步的检查网络参数初始化结节临床网络,展开关于输入图像和临床结果的微调。

首页

输出模块:在结节临床网络中计算所有结节的恶性评价后,将其融合得到结论最后图像水平的恶性评价。融合图像水平的恶性肿瘤得分可以用式pf=1(1P1)(1P2)…算出。(1PN )其中p表示结节为恶性的概率,n表示结节的数量。二、研究结果:首先,应用LUNA16和Kaggle数据开展模型实训,根据广东省人民医院呼吸科放射科、中山大学附属第三医院放射科、佛山市第一人民医院放射科和广州市胸科医院放射科多中心数据开展模型训练和检查。

基于多中心影像数据的训练后模型的临床敏感性和特异性分别超过84.4%和83.0%,AUC为0.855。另外,经常观察到随着训练图像的样本量减少,模型整体的检测灵敏度、特异度、AUC减少。另外,我们将该模型算法与Kaggle竞赛中第一位的算法(Kaggle模型)进行比较,基于0.757的特异度水平,该模型的敏感性为0.752,Kaggle模型为0.661 (新闻图4A ),AUC为其 对结节直径大小展开子组分析(0-10mm、10-20mm、20-30mm ),3个子组之间无明显统计学差异,提示该模型早期微结节有一定程度的临床精度。

首页

另外,模型对腺癌的临床精度最低超过85.7%,可能是因为整个腺癌占了较低的数据偏差。另外,我们根据同时积极收集的50例肺部结节CT展开人的对比,根据医生团队、实训模型、训练后模型及KA GLE第一模型算法的临床效力,实训模型与医生团队的评价结果相似。三、结论和讨论:在本研究中,深度自学算法应用于肺结节的临床检查和临床可行性检查,特别是该模型在结节检查和分类的能力上显示了优势。

另外,与实际的人工检查小组相比,Kaggle与第一位的算法进行比较,用于模型的CNN算法在结节分类能力上也具有非常低级的表现。与现实世界的数据和病理结果中未使用的模型的理解检查的研究不同,该研究用于具备改良的深度神经网络和病理金标准标签的大数据集(855事例),优化基于深度自学的模型的应用,在现实的医疗环境中另外,子组分析表明,微结节的检测效率(0-10mm )与一般结节(10-30mm )具有同等的临床效力。同时,该模型的临床能力也比以往报道的计算机辅助结节检查工具具有更高的灵敏度和特异度,同时该模型随着数据的减少可以进一步优化其临床识别性能。当然,这个研究也没有一定的严重不足,比起以往的研究,纳入这个研究的肺结节都是临床的早期肺结节,不是来自筛选队列的数据,而是更现实地表示这个模型在早期筛选中应用于实际的性能其次我们仍然不能很好地区分进展缓慢的早期结节,为了对早期筛查患者展开分层,指导以前的处理方案,可能需要填写更多的随访图像资料。

另外,写入该模型的数据量比其他机器学习样本量依然少,必须用更大的样本量队列进一步验证。该研究基于深度自学算法的模型明显提高了早期肺癌检查和临床的敏感性和特异性,其临床效果优于经验丰富的专业医生团队,今后应用于这种模型算法辅助临床医生日常肺部图像临床的可行性,同时。


本文关键词:米乐体育app官网下载,首页

本文来源:米乐体育app官网下载-www.cafe-sufi.com