斩获2019 Thales AIChallenge4Health第一,腾讯优图医疗AI再获突破

  • 日期:08-04
  • 点击:(1042)


最近,腾讯U-Lab Medical AI取得了新的突破。由腾讯Youtu开发的医疗人工智能系统医疗设备校准中的超高精度关键点检测方法在200多个团队中脱颖而出,并在2019年Thales AIChallenge4Health中获得第一名。检测精度达到国际领先水平。该竞赛由全球放射治疗解决方案提供商Thales主办,市场份额超过50%,吸引了来自世界各地的201个团队进行注册(其中40个提交了最终结果)。

img_pic_1562914808_0.png

(图示:AIChallenge4Health竞赛排名截图。由于篇幅限制,只显示前11名)

诸如CT和X射线的医学成像技术是实际医学治疗过程中的重要环节。一方面,对于患者来说,提高医学影像设备的成像速度和质量不仅可以带来更好的体验,还可以为后续的诊断和治疗提供有力的保障;另一方面,对于外科医生来说,在手术过程中,受影响区域的实时和准确成像将极大地影响手术的结果。

目前,业界较为成熟的成像解决方案是3D和2D,但由于各自的特点,都存在一定的缺陷。 3D设备成像(例如CT和MRI)是有效但昂贵的,并且普通患者难以承受;由于拍摄位置和角度的变化,2D装置(例如X射线)虽然尺寸小且价格低,但在成像期间可能涉及多次。校准行为导致较差的图像质量,而成像速度较慢。如何利用人工智能提高医学影像设备的成像效率,降低患者的治疗费用和等待时间,已成为业界普遍存在的问题。

腾讯Youtu提出的医疗设备校准中的超高精度关键点检测方法采用AI技术提高2D设备的成像效率。

在2D设备成像之前,需要对其进行“校准”以提高图像质量。系统尝试使用AI技术检测X射线图像中的关键点以获得其精确坐标,然后使用这些关键点对成像设备进行成像。执行校准。在这个过程中,AI技术不仅需要能够准确地确定图中关键点的数量,还需要输出每个关键点的中心位置。

为了解决校准过程中定位精度高的问题,一些关键点间距小于三个像素,难以区分,U-Lab将检测任务分解为三个子任务,然后多个 - 通过神经网络学习任务。使用深层网络可以准?范ㄎ幻扛龉丶恪M保ü挚刂坪途植吭げ獾慕岷希约岸嗳挝竦淖楹虾徒怦睿岣吡嗽げ獾淖既沸浴?

img_pic_1562914808_1.png

(插图:系统的逻辑解决方案)

该系统可用于未来相关成像设备的校准,提高设备的成像质量和速度,并产生一定的经济和社会效益。它还可用于高精度点检测或校准任务,以获得高质量的测试结果,并帮助医生准确。对患者的诊断和治疗。

从AI指导到AI辅助癌症筛查,AI技术对医疗行业并不陌生。凭借尖端的计算机视觉技术,腾讯U-Tech继续在医学AI领域进行探索和应用,此外还在全球医学影像竞赛LiTS中刷新两项记录,并获得世界上第一个肝脏分割世界和肝肿瘤分割;不久前刷新了全球胸部多器官分割比赛SegTHOR Challenge 2019的世界纪录。

在技术研发不断深化的同时,腾讯Youtu还通过腾讯首款医疗影像产品腾讯盈盈继续出口医疗AI功能。目前,它支持宫颈癌,肺癌,眼病等疾病筛查,并在中国100多个。家中三甲医院不仅减轻了医生的工作量,而且在提高诊断的准确性和效率方面发挥了重要作用。