关于Ai论文_AI在医疗领域如何突破？平安科技10篇入选美国顶级年会的论文，来告诉你

AI +医疗可以玩什么样的新花样呢？

前几天，平安科学技术人工智能中心的10篇论文被选为国际医学影像计算机辅助介入会议MICCAI 2019年会和北美放射学年会RSNA2019。

miccai ( internationalconferenternationeemcialimegrationcomputionandcomputersassistedintervention )是一个集中于医学影像处理和辅助治疗技术的综合性学术领导人年会， 国际医学影像计算与SNA ( radioologysocietyofnorthamerican )是放射医学界的盛会和放射医学临床研究方向指标，每年11月底至12月初在美国芝加哥召开，是世界放射学临床研究成果和主要医疗器械厂商产品发布的重要场合，会议论文是放射医学界医学应用研究的最高水平

你不明白吗？ 没关系。 简而言之，这两个属于美国最好的年会。

此次平安科学技术的研究成果有基于医疗图像的诊断和治疗等应用研究，也有综合考虑医疗图像人工智能领域的基础工作。

与大家的健康相关的内容是什么呢

髋部骨折灵敏度95%以上

髋关节骨折是创伤常见问题，髋关节骨折约占全身骨折的20%以上，残疾率和病死率极高。

髋关节骨折通常在急诊科用髋关节x线诊断，可能伴有内出血，急诊科医生需要在短时间内正确判断骨折。

髋关节和骨盆结构复杂，常与其他器官重叠在x线内形成拱形影，给骨折的诊断带来一定困难，在急诊室压力较高的环境下，常发生骨折误诊或漏诊。

平安科技人工智能中心与长庚医院创伤急救中心合作，新提出了检测髋关节和骨盆全部位骨折的AI技术( wealysuperviseduniversalfracturedetectioninpelvicx-ray )。

该技术对髋关节各部位骨折灵敏度和特异性达95%以上，对老年人常见股骨骨折灵敏度达99%。 该算法已达到国际领先的医院创伤外科、急诊科医师水平。

图1 :髋部骨折自动检测系统，红块对AI自动检测到的骨折部位无监督地识别异常胸片

x光片是放射科业务中图片种类最多的。 自2017年NIH发布胸片公开数据集以来，人工智能在x线胸片中的应用不断涌现。

由于胸片的数量很多，各医院甚至同一家医院的设备数据的来源不同。 另外，目前主流AI系统的开发采用了监督深入的学习方法，需要医生表现出各种胸片疾病的征兆，给研究开发带来很大的负担。

因此，平安科技人工智能中心与NIH合作，对数据源不同的x线照片如何适应，以及采用弱监督也不监督的方法识别异常胸部照片，进行相关探索，取得了满意的结果。

开发的无监视方式下的TUNA-NET，在儿童肺炎x射线照片的认识任务中得到了AUROC=0.963的结果，已经与监督学习的结果( AUROC=0.981 )非常接近。

图TUNA-Net无监督学习条件下儿童肺炎识别食管癌靶标的自动计划

在放射治疗中，临床靶区( CTV )包括可见肿瘤区和微小肿瘤细胞可能扩散的区域，例如淋巴结。

这在实际操作中很困难，很大程度上取决于放射治疗肿瘤的主治医生的水平，不同医生之间描绘的临床靶区大不相同。

因此，客观的临床靶区划分算法在食管癌放疗计划中起着重要作用。

平安科技人工智能中心提出的研究方法将食管癌临床靶区划分设计成基于空间位置/距离和图像特征的模型，其中空间模型包括肿瘤、淋巴结、风险器官的空间位置和距离信息。

这种深度学习模式可以更好地估计临床靶区的边界。

图3食管癌放疗计划的临床靶区计划效果图共同病灶检查精度进一步提高

影像学医生日常的主要工作是仔细阅读医学影像，找到各种各样的病灶，测量其大小，用影像报告来说明病灶。

因此，自动病灶检查、描述分类分割算法一直是医学图像人工智能的研究重点。

但是，前人的工作大多集中于特定器官的单一任务算法，如肺、肝病灶的检查和测定等工作。

平安科技人工智能中心的研究结合了三项任务，基于合作伙伴NIH发表的DeepLesion数据集，平安科技人工智能中心开发了公共病灶检测系统、说明系统和分割系统，通过一个例子的分割框架将这三个部分有机地结合起来

该研究在DeepLesion数据集中获得了通用病灶检查的最高精度，超过了以前结果最好的帝国理工大学队伍。

图4 :通用病灶检查系统先看病灶长度在哪里，再进行自动分类测定