94
深度學習如何“助攻”醫學影像？我們來聽聽學界大拿的解釋 | CNCC 2017
雷鋒網消息， 10 月 26 日上午 8：30 分，由中國計算機學會（CCF）主辦，福州市人民政府、福州大學承辦，福建師範大學、福建工程學院協辦的 2017 中國計算機大會（CNCC 2017）在福州海峽國際會展中心隆重召開。雷鋒網作為獨家戰略合作媒體對本次會議進行全程報道。
雷鋒網(公眾號：雷鋒網)了解到，本次大會主題是“人工智能改變世界（AI Changes the World）”，共邀請近十位院士、 300 餘位國內外計算機領域知名專家、著名國際國內 IT 企業家到會演講。會議包括 14 個特邀報告、 2 場大會論壇、 40 餘場前沿技術論壇及 30 餘場特色活動，同期舉辦科技成果展，匯聚 80 餘家企業參展。大會已連續舉辦 13 屆，此次參會規模也是迄今為止最大、人數最多的一次，共計有近 700 家企事業單位，超過 6000 名專業人士參會參展。
“深度學習與醫療影像分析”的分論壇在當天下午舉行。本次論壇主席由中南大學鄒北驥教授、中科院趙地教授共同擔任。據雷鋒網了解，該主題論壇是 CNCC 曆年來首次設置。福州大學的餘輪教授、蘇州大學的陳新建教授、中南大學的鄒北驥教授、趙於前教授、浙江大學的吳健教授、中國科學院自動化研究所的何暉光教授、西北工業大學的夏勇教授、中國科學院計算機網絡信息中心的趙地教授以及中山大學的王瑞軒教授參加了此次論壇。
醫療健康是人工智能最熱門的應用領域之一： Nature 和 Science 等國際頂尖雜誌發表了很多醫療人工智能相關的工作； Google 、 IBM 等公司也開發了醫療人工智能的最新產品。而醫療人工智能產品落地的領域就包括眼科。眼科疾病嚴重危害並影響人們的生存質量，是繼腫瘤、心血管病之後的第三位影響生存質量的病患。近年來，計算機輔助的醫學影像分析在加快眼科醫學技術的重大突破、提升醫療服務效率和能力等方麵具有明顯優勢，也成為解決醫療資源不足等問題的有效途徑。
在此次論壇上，各位專家、學者、醫生，針對眼底圖像處理及其在眼科疾病篩查和診斷中的應用問題進行了討論。
第一位進行主題演講的嘉賓是福州大學通信與信息係統博士生導師、福建省優秀專家餘輪教授，他就“基於醫療大數據的眼科影像分析”的主題和參會者進行分享。餘教授表示：國家定義的重大疾病有 25 類，其中糖尿病視網膜病變已經成為我國首要的致盲眼病，每年有 3% 的糖尿病患者（我國 400 萬以上）麵臨失明並需要昂貴的治療。糖尿病及其並發症造成了嚴重的社會和經濟負擔。
因此，在大數據係統與大數據服務興起的背景下，為了能夠實現個性化的移動醫療健康（管理）服務，具有“可更新、低成本、可分析”特點的交互式健康醫學大數據係統、知識庫以及知識計算分析模型應運而生，餘教授認為我們特別需要建立一個基於知識計算模型的重大疾病風險預警和健康評估引擎。
餘教授表示，國家在疾病預防、基層醫療以及分級診療等方麵提出多項舉措，這也給健康醫療改革提供了一個好機會。“未來隨著基礎計算平台和開源平台的豐富成熟，技術方麵的壁壘會越來越不明顯，整個人工智能的技術準入門檻會越降越低。”
第二位進行主題演講的嘉賓是蘇州大學的陳新建教授，他的報告主題是“醫學圖像處理方麵的研究”。
陳教授表示，醫學成像技術的不斷突破，推動了生命科學的革命，例如 FI 、 PET 、 MRI 等技術，為醫生進行診斷和治療提供了很好的幫助，這裏麵很關鍵的一點是多模態醫學影像分析技術。“圖像處理的量化技術實際上是十分關鍵的，這對疾病診斷和早期預防具有重要作用。”
他表示，現在很多量化分析就是分割問題。而有效、自動的器官分割具有非常大的挑戰性：各個髒器之間的亮度差異不明顯、與周圍髒器相連且邊界模煳，此外還存在圖像偽影、噪聲等幹擾因素。
陳教授分別就三種不同的分割方式——區域分割、曲麵分割以及區域+曲麵的混合分割和與會者進行分享。
“視網膜是一個複雜的分層結構。許多重要的眼睛疾病以及全身性疾病的症狀都會表現在視網膜上。”多模態視網膜圖像分析結合了二維的眼底圖像和三維的光學相幹斷層掃描圖像來檢測不同組織、血管以及病變結構。圖像分割，校準和分類方法是視網膜圖像處理與分析的常用方法。
基於“圖論方法的光學相幹斷層掃描圖像分割”等研究方向和研究方法，陳新建的實驗室開發了基於 wxWidgets 構架的醫學影像處理與分析科研平台— MIPA ， 而 MIPA 的定位則是為醫學圖像處理中的配準，檢測，分割及可視化等提供完整的解決方案。他表示，該軟件的特點是：可兼容 Windows 、 Linux 、 Mac 三種操作係統，具有多種預處理功能、二維、三維圖像可視化以及視網膜分層信息的二維、三維顯示。
受鄒北驥教授的委托，中南大學的陳再良博士分享了主題為“ OCTSeg-CSU 眼底影像數據集”的演講。他表示，頻域光學相幹斷層掃描( OCT )相比較於眼底照相機、超聲波等傳統醫學影像技術，可進行活體眼組織顯微鏡結構的非接觸式、非侵入性斷層成像，能夠獲得更加豐富的生理組織的三維結構信息。
此外，常見的眼科疾病，如青光眼、老年性黃斑變性等，大多屬於視網膜疾病，同時這些疾病的病變部位主要集中於視網膜黃斑區域和視乳頭區域，其視網膜生理結構會發生異常變化，這些異常變化可以通過 OCT 圖像較清晰地表現出來。
陳博士表示，“研究發現，相比較於正常人，青光眼患者黃斑區域的 mRNFL 層的平均厚度明顯減小，其診斷能力要好於視盤區域的參數，同時青光眼患者黃斑區域除了 mRNFL 層變薄之外，神經節細胞複合體的厚度也有明顯的變薄。”隨後，陳博士就杜克大學等和中南大學國內外大學的數據集建設情況進行了分析。
他表示，中南大學數據集中的健康人數據來自中南大學眼科醫學處理中心和中南大學湘雅二醫院，所使用的采集設備為 Topcon 3DOCT-1 ，病患數據來自中南大學湘雅二醫院，數據集中的圖像有兩種尺寸，分別為： 1024*885 ，采集模式為黃斑中央凹線掃描，以及 521*885 ，采集模式為 3D 黃斑掃描。
對於這套數據集能夠應用到什麼地方，陳博士表示可以在四個方麵得到應用：視網膜層次分隔算法的比較和分析；青光眼輔助診斷的基準；作為機器學習方法提取特征、建立模型的數據集；黃斑處疾病的分析。
而雷鋒網在論壇中簡單地采訪了鄒北驥教授。對於為什麼會把計算機視覺引入眼底影像分析，鄒教授表示，計算計視覺介入影像最早可以追溯到上世紀50年代的美國太空計劃。計算機視覺是模擬人的視覺，而人的視網膜成像可以反映很多眼科包括血壓、血糖等全身性的疾病，通過研究視覺來診斷疾病成為一個自然而然的思路。現在通過計算機視覺和大數據、深度學習方麵的研究，可以將積累的醫學數據轉化為可用的模型，讓計算機在精確度和速度上幫助醫生提高診斷效率。
據鄒教授介紹，2016年，依托中南大學組建的“移動醫療”教育部－中國移動聯合實驗室在中南大學湘雅醫院順利通過教育部驗收。目前他的團隊主要做老年人慢病管理和醫學影像分析方麵的工作。
下一位演講嘉賓是來自中南大學的趙於前博士，趙博士 2013 年入選教育部“新世紀優秀人才”支持計劃，是中國生物醫學工程學會醫學圖像信息與控製分會委員，中國計算機學會計算機視覺專委會委員。 2009 年 7 月 - 2010 年 8 月在美國新澤西理工大學從事博士後研究。2012 年 7 月- 2014 年 7 月在先進儲能材料國家工程研究中心從事博士後研究。
趙博士的演講主題是“輔助 CT 序列圖像肝髒自動分割的方法”。他表示，肝髒分割是計算機輔助診斷和臨床應用的的一個重要課題，但是傳統的分割方法耗時長，而且結果高度依賴於專家的經驗水平。因此，從 CT 圖像裏進行半自動或全自動的肝髒分割方法就引起了研究人員的關注。趙博士就如何進行圖像的自動分割進行了講解。
隨後，浙江大學睿醫人工智能研究中心主任吳健以“醫療大數據唿之欲出”為主題發表了演講，他根據醫學人工智能的現狀與展望、醫學人工智能的目標、人工智能與大數據等三個方麵的話題表達了自己的看法。
吳教授表示，醫療行業存在很多的痛點，患者端、醫生端、醫院端、醫藥端、醫保端以及分級診療都存在一定量的問題。醫療需求的入口也非常的旺盛，從院前、中、後的服務，健康診斷的，健康維護的等等出現非常多的需求。為了解決這些痛點，行業入局者越來越多，近幾年互聯網醫療的蓬勃發展在醫療服務的需求和配置方麵做出了很多成果。吳教授表示，未來的醫院將隻保留最核心的診斷和治療部分，其他所有職能通通由社會第三方服務機構提供。
他認為，大數據領域的爆發和硬件性能的飛速提升給醫療人工智能企業的發展提供了“燃料”。吳教授分享了工業界和學術界所取得一些成果：“去年的 12 月份， Google 發了一篇文章，幾乎可以做得比醫生更高的水平，拿了 12.8 萬的數據，每個圖片都有多個醫生來標注；今年 2 月份 Nature 雜誌上刊登了一個文章，斯坦福大學的皮膚癌診斷拿到 12.9 萬的皮膚病的數據；梅西、梅奧、凱撒醫療等企業也取得了豐碩的成果。
在吳教授看來，醫學人工智能的目標是讓患者更了解自己，讓醫生更清楚患者，讓醫療過程更加準確，醫療管理更加科學，第三方服務更加豐富。
隨後，來自中國科學院自動化研究所的何暉光教授發表了“基於貝葉斯深度學習的視覺信息編解碼”的主題演講。計算機視覺難以處理複雜背景下的物體識別，而人類視覺具有高效、魯棒、抗噪等特點。那麼如何將人類視覺特性引入計算機視覺模型呢？
他表示，視覺信息編碼是指人腦將外部視覺刺激轉換成神經活動信號的過程，研究人腦視覺信息編碼，開發類似人腦視覺係統的視覺信息處理模型，對於提高機器的智能感知能力具有重要意義。
而何教授結合 fMRI 成像技術特點及人腦視覺信息處理的神經機製，提出了一種基於貝葉斯學習及深度學習理論的視覺圖像重建算法。新算法能夠根據大腦對視覺刺激的響應重建視覺刺激內容。何教授也表示，該方法也有很多需要改進的地方：複雜自然場景的重構工作還在進行；未來將采用動態編解碼，例如變分 RNN 進行視頻重建；借鑒機器翻譯、圖像翻譯、對偶學習等思想；嚐試其他類型的深度生成模型，如 GAN 等。
接下來的演講嘉賓是來自西北工業大學的夏勇博士，他的演講題目是“深度學習在醫學圖像分割與分類中的應用”。
夏勇教授展示了深度學習在醫學影像應用中可能遇到的小數據集訓練、正負樣本數據不平衡等實際問題及解決方案，並將這些經驗推廣到醫學圖像分割與分類任務中。
夏勇教授表示，人工智能技術在人臉識別、語音識別等領域取得了突破性進展，很大程度上要歸功於數量龐大的多媒體及互聯網數據和能力驚人的存儲及計算設備的出現。因此，深度學習技術也越來越多的應用在醫學圖像分析和計算機輔助診斷，特別是解決醫學圖像分割和分類的問題。
在接下來的演講環節中，中國科學院計算機網絡中心、論壇主席趙地博士發表了題為“深度學習與醫學圖像分析”的主題演講。趙地博士表示，深度學習輔助疾病診斷現在非常火熱，可以在多個領域中發揮作用，例如腦科、頸科、眼科以及皮膚科等。他著重介紹了“深度學習在阿爾茲海默病方麵的作用”。“阿爾茲海默病是發病率最高的老年性神經退行性疾病，高齡人群表現尤為明顯。早期發現，早期幹預對於減輕病人腦部損害有非常重要的意義。”
2015 年，趙地博士與北京天壇醫院共同申請了北京市科委重點項目“基於MRI圖像大數據分析的老年退行性疾病早期預警算法及表示物發現 ”，主要從事 AD 大數據收集、 AD 數據預處理、 AD 大數據分析、臨床診斷決策支持模型構建、平台建設五方麵的研究，旨在通過醫工結合，運用深度學習、大數據驅動的方式分析核磁影像，提早篩查老年癡呆症，為醫生早期的診斷與幹預提供幫助。
趙地博士表示，為提高 demo 版本的精準度，趙地博士找到了具備先進 PET 技術的宣武醫院，並由老年癡呆影像診斷專家李坤城主任主持申請了“北京腦計劃”項目。目前，項目已獲得資助。
此前，趙地博士曾表示，在項目的未來應用方麵，將有和影像雲平台、核磁機廠商以及和醫院合作等三個方向。他在此次論壇上還透露了一個與影像雲平台合作項目的最新進展：明年第一季度將發布老年癡呆智能影像診斷的係統。
論壇的最後一個主題演講是由中山大學數據科學與計算機學院的王瑞軒副教授帶來的“醫學圖像中的異常檢測”。
王瑞軒副教授是中山大學”百人計劃”引進人才。 2008 年在新加坡國立大學獲得計算機視覺博士學位。 2007 年以來以主研人員參與了多項跨學科跨領域的英國及歐盟研究基金資助的科研項目，所涉及的研究橫跨計算機視覺和機器學習的多個子領域，包括低級視覺的圖像去噪，中級視覺的圖像特征編碼、圖像分割、和圖像瀏覽，高級視覺的目標檢測和圖像分類，以及機器學習中流行學習、度量學習、高斯過程學習和深度學習。
王教授表示，異常檢測是圖像處理和模式識別領域的重要應用之一。利用圖像處理和機器學習算法對圖像進行分析，檢測出圖像中的異常部分，不僅能夠減輕人工處理的工作量、克服不同操作人員之間的主觀性差異，而且還具有靈敏度高、檢測率高、誤檢率低、快速準確等優點，因此越來越多地應用於醫學圖像處理等不同場合，具有廣闊的應用前景。
隨後，論壇的各位嘉賓參加了“深度學習與醫療影像分析”的提問討論環節，與會者就“數據訓練”、“人工智能產品的落地”等一係列話題向專家提出了自己的思考，各位專家也從自己的專業角度給聽眾進行答疑解惑。
中國計算機學會主辦的“深度學習與醫療影像分析”的分論壇在 10 月 26 日下午圓滿結束，正如嘉賓在報告中所傳達的觀念一樣：深度學習的出現對很多傳統的研究方法造成了一定的衝擊，這時候，順勢而為地應用深度學習，將深度學習的成果應用到臨床中去，才能讓科研的成果發揮更大的價值。與此同時，研究者們也能夠把精力投入到其他更深層次的研究中去。而此次大會無疑把深度學習的應用案例以及深度學習時代的新研究標的目的傳遞給了更多人。
本文作者：李雨晨
本文轉自雷鋒網禁止二次轉載，原文鏈接
最後更新：2017-11-06 13:34:29