深睿医疗创新科研成果被顶级期刊ER及MIA收录

来源: 消费日报网
2019-09-06 16:27 
分享
分享到
分享到微信

在科研创新能力上,深睿研究院(Deepwise AI Lab)一直处于行业领先地位,是目前行业内规模最大的专注于人工智能医疗领域的研究机构之一,从成立以来一直致力于医疗前沿科技的探索,通过科技与临床的结合,产生了众多兼具临床价值和科技创新性的科研成果,陆续被国际顶级期刊和会议收录。截止到目前为止,深睿研究院在人工智能与机器学习顶级期刊及会议(如TPAMI、TCyb、ICML、CVPR、ICCV、ECCV、AAAI等)上发表论文三十余篇,其中涵盖了计算机视觉和模式识别领域三大顶级国际会议,尤其是连续两年在备受瞩目的顶级会议CVPR(谷歌2019学术榜Top 10)上均有学术成果发表,在国内人工智能领域的科技公司中处于前列;同时,在医学影像计算与分析领域,如IPMI、MICCAI、ISBI、RSNA、ECR等顶级会议上,发表论文近二十篇。 近期,深睿研究院又有两篇科研成果被刊登在国际顶级学术期刊上,体现了深睿研究院的持续创新能力。

其中与中国医学科学院肿瘤医院共同完成的“Long-term follow-up of persistent pulmonary pure ground-glass nodules with deep learning”(https://doi.org/10.1007/s00330-019-06344-z)被国际顶级放射学杂志European Radiology收录并发表。European Radiology是欧洲放射学会的会刊,创刊于1991年,在行业具有广泛影响力和不可或缺的学术地位,是放射学领域专家学者们不可或缺的信息来源,代表了最前沿的放射学科学,在综合类影像期刊中居第2位。

当前,肺癌已经成为中国发病率和致死率第一的癌症,而在国内通过人工智能技术辅助肺癌筛查已经得到了广泛的应用,但目前普遍停留在利用深度学习进行肺结节检测研究上。然而,对于肺结节的生长评估鲜有研究,尤其是对亚实性结节(纯磨玻璃结节和部分实性结节)的长期管理在临床上具有重要意义。其中管理长期存在的纯磨玻璃结节pGGN(Pure Ground Glass Nodule)存在着更多的争议。为了解决这些争议,有必要研究长期存在的pGGN的生长进展,精确测量其生长速度,并识别出影响其进展的风险因素。这篇论文的研究工作正是利用深度学习技术对肺部pGGN进行自动分割,并基于随访数据开展上述研究,为临床上量化评估肺结节提供给更为精准的依据。

本研究中,pGGN的自动检出和分割由来自深睿医疗的Dr. Wise AI肺结节辅助诊断系统实现,综合利用递归神经网络(Recurrent Neural Network, RNN)和卷积神经网络(Convolution Neural Network, CNN),超过目前任何单一分割方法的效果。基于Dr. Wise AI肺结节辅助诊断系统对基线以及所有随访的胸部CT影像数据进行肺结节自动检出和分割,自动计算出pGGN的直径、密度、体积、质量、VDT(体积倍增时间)和MDT(质量倍增时间),并通过以上量化指标探究肺pGGN的自然生长规律,准确测量pGGN的生长速度,并评估影响pGGN生长的危险因素,为临床上管理pGGN提供了重要的参考。本研究的结果表明,深度学习技术可辅助揭示pGGN的自然生长规律;其中长期存在的pGGN表现为惰性生长;有分叶征和较大基线直径、体积和质量的pGGN随访过程中更容易出现生长。

图1. 分叶状征、初始平均直径、初始体积和初始质量是预测pGGN是否进展的关键指标

同时,深睿研究院与北京理工大学合作完成的论文“A deep network for tissue microstructure estimation using modified LSTM units”(https://doi.org/10.1016/j.media.2019.04.006)被刊登在Medical Image Analysis(MIA)。MIA是国际医学图像计算和计算机辅助干预会议MICCAI的官方期刊,创刊于1996年,关注将计算机视觉、虚拟现实和机器人技术应用于医学影像领域的科研成果,其影响因子逐年上升,2018年达8.88,行业内知名专家学者关注度极高,被誉为高质量论文的衡量标尺。

本论文基于改进的长短时记忆(Long-Short Term Memory,LSTM)单元提出了一种用于估计组织微观结构的通用深度网络MESC-Net,提升了弥散磁共振成像 (Diffusion Magnetic Resonance Imaging,dMRI)质量。dMRI为非侵入式评估组织的微观结构提供了一种独特的工具,但由于模型较为复杂,通常需要带有大量弥散梯度的扫描序列来提升图像质量,而这导致了扫描时间的延长。在使用较少的弥散梯度时,用复杂信号模型来精确描述组织的微观结构具有一定的挑战性。所以,如何基于较少的弥散梯度得到较好的dMRI图像质量是科研上持续探索的一个难题。

本文提出的MESC-Net网络在弥散梯度减少的情况下可以提升图像质量,对于临床扫描上的价值则是可以缩短扫描时间,提升临床效率。另外,本研究提出的网络结构是一种通用的估计微观组织结构的网络,而不只是局限于某一种模型,为了验证该算法的通用性,实验还评估了基于三种信号模型NODDI(neurite orientation dispersion and density imaging)、 SMT(spherical mean technique)、 EAP(ensemble average propagator)估计得到的组织微观结构结果。实验结果表明MESC-Net可成功地应用于三种不同的模型,该方法可以作为组织微观结构估计的通用方法,拥有广泛的临床应用前景。

图2. 基于NODDI模型用MESC-Net计算得到的vic/viso/OD的横截面示意图,AMICO/MLP/MEDN/MEDN+/m-MEDN+均为对比方法

深睿医疗是一家注重前沿科技探索的公司,作为AI医疗领域的引领者,始终坚持将最先进的人工智能技术应用到医疗领域,以俞益洲教授(ACM 杰出科学家/IEEE Fellow)为核心的深睿研究院,一直致力于探索前沿的人工智能科技在医学领域的应用,通过Dr.Wise 多模态科研平台的助力,不断深化与医院、高校在临床问题上的科研合作,提升科研效率,产出高质量的科研论文,并促进成果转化,让前沿人工智能技术和研究更加贴近临床需求,让AI真正落地到实际临床场景,助力国家智慧医疗建设。

进入2019年,深睿研究院有8篇论文入选人工智能顶级会议CVPR2019,实现了图像识别与医学影像分析等技术的创新性突破,跻身中国论文发布数量排名前列的科技公司之一。在今年10月召开的医学影像分析顶级国际会议MICCAI和11月召开的国际计算机视觉顶级会议ICCV上,深睿研究院又有10篇关于医疗人工智能领域的科研论文被收录。截止到目前为止,深睿研究院已发表50余篇顶级学术论文,累积影响因子超过80,论文接收率超过50%,彰显出深睿研究院强大的科研能力。

【责任编辑:钟经文】
中国日报网版权说明:凡注明来源为“中国日报网:XXX(署名)”,除与中国日报网签署内容授权协议的网站外,其他任何网站或单位未经允许禁止转载、使用,违者必究。如需使用,请与010-84883777联系;凡本网注明“来源:XXX(非中国日报网)”的作品,均转载自其它媒体,目的在于传播更多信息,其他媒体如需转载,请与稿件来源方联系,如产生任何问题与本网无关。
版权保护:本网登载的内容(包括文字、图片、多媒体资讯等)版权属中国日报网(中报国际文化传媒(北京)有限公司)独家所有使用。 未经中国日报网事先协议授权,禁止转载使用。给中国日报网提意见:rx@chinadaily.com.cn