705
全球肝髒腫瘤病灶區CT圖像分割挑戰大賽，聯想E-Health奪得冠軍
本文講的是全球肝髒腫瘤病灶區CT圖像分割挑戰大賽，聯想E-Health奪得冠軍，在近日結束的全球LiTS (Liver Tumor Segmentation Challenge，肝髒腫瘤病灶區CT圖像分割挑戰)大賽上，聯想研究院人工智能實驗室 (Lenovo AI Lab)推出的E-Health解決方案 (也稱leHealth)力壓群雄，奪得冠軍。
LiTS國際大賽是什麼？
LiTS大賽由慕尼黑理工大學、以色列特拉維夫大學等高校、科研院所與國際頂級醫學圖像年會MICCAI 2017聯合舉辦。大賽參賽項目來自全球35個國家，其中197個參賽項目來自中國，155個來自美國，42個來自印度。
這麼多的參賽者要解決一個什麼問題？——用創新的算法解決肝髒腫瘤病灶CT圖像的自動分割。醫學圖像分割對疾病診斷、圖像引導手術以及醫學數據的可視化具有重要的作用，能為臨床診療和病理學研究提供可靠的依據。而由於肝髒腫瘤病灶的複雜性特點，對其CT圖像的自動分割相當困難。
世界領先的肝髒腫瘤CT圖像分割準確率
在全球眾多的參賽項目中，聯想的E-Health最終以世界領先的肝髒腫瘤CT圖像分割準確率指標 (dice per case)奪得大賽冠軍。
那麼E-Health到底有什麼特別之處呢？
E-Health是聯想研究院(Lenovo Research)應用於醫學領域的智能醫療圖像輔助診斷解決方案。它集成了前沿的深度學習算法，依托於擁有強大計算能力的聯想雲平台，凝聚了眾多醫學專家全方位的診療經驗。在使用中一方麵在減輕醫生工作量的同時也可以避免由於醫生疲勞等因素而產生的誤診情況；另一方麵能夠智能分析醫療圖像自動為醫生提供輔助診斷的意見。
目前，E-Health的應用主要體現在以下四個方麵：
- 腫瘤的自動檢測與分類。通過業界領先的深度學習算法，智能的分析患者CT圖像，自動判斷患者是否存在腫瘤；如果存在腫瘤，還能判斷出該腫瘤的性質、大小、位置、類別等信息，輔助醫生進行診斷；
- CT圖像中腫瘤數據的自動標注。在CT圖中加入比例尺及病人和CT圖像的基本信息，並且可以在CT圖像中智能標注腫瘤的位置和狀態，方便醫生讀取圖像信息；
- 集成腫瘤特性的三維模型展示。通過算法將集成了腫瘤特性的三維模型在係統中顯示，方便患者與醫生進行溝通與交流，了解自身病情；
- 診斷報告自動生成。係統能夠將腫瘤檢測結果、分類結果、腫瘤形態等信息進行整合，自動生成診斷報告。同時醫生可以在自動生成的診斷報告基礎上進行修改，在減輕醫生工作量的同時提高工作效率。
此次在LiTS大會上奪得冠軍，更是凸顯了E-Health在數據分析處理、算法和深度學習平台技術方麵的優勢。
- 首先，醫學圖像處理常見的問題來自於標注數據噪音，特別是在有限訓練數據樣本的情況下會影響深度學習模型的性能，因此首先要對數據做好預處理工作，E-Health在這方麵表現得相當出色。
- 其次，在算法方麵，由於肝髒腫瘤數據是多樣的，來自於不同的醫院。有鑒於此，聯想E-Health團隊設計了不同的深度學習模型，能夠自適應地學習數據的特性。
- 第三，E-Health的背後是聯想先進的、異構的人工智能深度學習平台。它是一個分布式深度學習平台，支持多種開源框架，可實現分布式任務調度，通過多節點並行加速實驗、算法研究和模型迭代的過程，能夠麵向多個AI應用，如自然語言理解，語音識別等。
該平台在性能上達到了行業先進水平。在存儲方麵，係統使用了超融合架構，針對SSD進行了性能優化；在網絡方麵，平台使用高性能40G網絡交換機來搭建高速網絡；在計算方麵，采用高性能GPU/FPGA加速，擴展性、加速比很好，支持異構。
原文發布時間為：2017-09-22
本文來自雲棲社區合作夥伴新智元，了解相關信息可以關注“AI_era”微信公眾號
原文鏈接
最後更新：2017-09-22 17:03:18