健培AI團隊在全球EXACT’09賽事中取得優(yōu)異成績(jì)
近期，健培AI團隊在全球EXACT’09(Extraction of Airways from CT , CT影像肺部氣管分割挑戰賽)的賽事中再創(chuàng )佳績(jì)，使氣管檢測長(cháng)度達到了84.5%，超出現有成績(jì)10%以上，刷新了該項比賽的原有紀錄。來(lái)自韓國的Coreline Soft醫療團隊在氣管檢測長(cháng)度上的結果為60.1%，健培以84.5%的成績(jì)遠優(yōu)于該記錄。
1.什么是EXACT’09？
EXACT’09由美國國立衛生研究院(National Institutes of Health)，荷蘭科學(xué)研究組織(Netherlands Organization for Scientif c Research, NWO)，丹麥戰略研究委員會(huì )(Danish Council for Strategic Research (NABIIT))資助舉辦的，
該項目的主要研究目的是在通用的數據集上，利用相同的性能評估方法，對比分析不同的胸部CT氣管樹(shù)提取算法的性能，從而為肺部疾病診斷定位，手術(shù)引導，病灶可視化等提供技術(shù)解決方案。參與成員來(lái)自丹麥哥本哈根大學(xué)和加州大學(xué)洛杉磯分校的胸部成像研究所，美國洛杉磯加利福尼亞大學(xué)放射科組，荷蘭鹿特丹大學(xué)醫學(xué)中心，美國西門(mén)子公司，美國康奈爾大學(xué)，西班牙塞維利亞大學(xué)，美國愛(ài)荷華大學(xué)等眾多企業(yè)，高校和科研機構。
2.氣管樹(shù)分割的重要意義
氣管樹(shù)分割是肺部疾病診斷和分析的重要一環(huán)，特別是對于像慢性阻塞性肺疾?。–OPD），間質(zhì)性肺?。↖LD）等肺部疾病，氣管樹(shù)分割能夠量化解剖特征，包括氣道壁厚度、壁面積、腔面積、壁-腔面積比、壁-腔直徑比和腔直徑變化等，所以氣管樹(shù)分割在肺疾病分析中具有特別重要意義。但是，要獲取完整的氣管樹(shù)分割結果卻面臨這眾多挑戰，這些挑戰都給氣管樹(shù)分割增加了難度：
1. 完整氣管樹(shù)解剖結構異常復雜，遍布人體肺部整個(gè)區域，分支眾多，并且大小因人而異。
2. 氣管的不同分支在尺度上存在非常大的差異。
3. 肺部CT圖像內部存在偽影，病灶，容積效應等眾多噪聲，更增加了細支氣管的分割難度。
4. 該挑戰賽數據來(lái)源廣泛，在重建層厚，放射劑量等方面存在很大差異。
3.健培AI團隊：3D氣管分割算法
以上是本模型在exact09比賽中的部分提取結果，綠色表示跟醫生手工標注的吻合的部分，紅色表示比醫生手工多檢測出來(lái)的部分，通過(guò)對比可以看出，本模型相比手工提取，具有更高的敏感性，能檢測出非常細小的氣管。
健培AI團隊提出了基于深度學(xué)習的3D氣管分割算法，利用人工智能技術(shù)，結合氣管樹(shù)3D解剖結構，從數據預處理，網(wǎng)絡(luò )結構模型，訓練策略，后處理等眾多方面進(jìn)行優(yōu)化。數據預處理方面結合臨床醫生經(jīng)驗，設置了合理的肺部氣管樹(shù)形圖；針對氣管樹(shù)本身存在較大尺度變化，健培AI團隊設計了具有多尺度分割能力的3D卷積網(wǎng)絡(luò )模型，模型中集成了Google研究團隊提出的空洞卷積技術(shù)，有效的增強模型獲取肺部氣管樹(shù)語(yǔ)義信息的能力；采用難例挖掘技術(shù)訓練3D卷積網(wǎng)絡(luò )，并通過(guò)團隊自主設計的損失函數，最大限度的挖掘氣管樹(shù)的結構信息。
健培AI團隊通過(guò)領(lǐng)先的“人工智能+計算機圖形學(xué)”技術(shù)打造醫學(xué)影像智能解決方案，構建的精準的肺部氣管樹(shù)必將為肺部疾病的早篩、診斷、臨床手術(shù)規劃提供有力支撐。
