您尚未登录账户请先登录您的atyun账户，方可使用该功能
您的企业账号申请正在审核中审核通过后即可使用此功能，请耐心等待~
DeepMind在放射性治疗规划方面取得进展，深度学习模型性能接近人类
2018年09月17日 由 浅浅 发表
188908
0
每年都有超过五十万人患上头颈部癌症，其中许多人选择接受放射性治疗。但如果在治疗前未仔细隔离，周围组织可能会严重受损。谷歌子公司DeepMind与伦敦大学学院合作，正在探索AI如何帮助进行分割。它宣布了在实现这一愿景方面向前迈出的重要一步：验证了在CT扫描中模型性能接近人类。
“自动化分割有可能解决这些挑战，但迄今为止，临床实践中可用解决方案的性能不如专家人类操作员的表现，”研究人员写道，“近年来，基于深度学习的算法已经证明能够提供比传统分割算法更好的性能。”
他们指出，人类进行的分割可能是不一致的。这通常也很耗时，专家可以在一个案例上花费四个小时或更长时间。
在一篇论文“深度学习实现临床适用的放射治疗头颈解剖分割”中，DeepMind团队描述了一种三维的U-Net体系结构，它通过对21个器官（喉部、舌头、鼻腔、结缔组织和软组织等）的663层的层析扫描进行了训练，这些器官来自伦敦大学学院医院NHS信托基金会（UCLH）的头部和颈部癌症患者。他们指出，单个GPU上的训练时间不到30秒。
21个器官中的19个，深度学习模型与具有多年经验的放射治疗技师团队之间的表现差异不大（5％或更多）。两个例外是脑干和右镜片。
此外，在24名患者（来自癌症成像档案馆）的CT扫描的独立测试集中，该模型在之前未见过的模型中收集，模型和放射线技师在任何结果上“没有实质性差距”。
下一阶段的研究将测试AI系统在临床环境中的表现。
该团队认为，它有可能缩短诊断和治疗之间的滞后时间，并减少肿瘤缩小时适应手术所需的时间，这一过程称为自适应放射治疗。
他们写道：“对医疗系统员工的需求和短缺的增加已经给医疗保健系统带来了沉重的负担，这可能会导致患者因计划放射治疗而导致长时间的延误。除了改变患者的生活，这项研究还可以为治疗他们的临床医生腾出时间，这意味着他们可以花更多的时间在患者护理，教育和研究上。”
欢迎关注ATYUN官方公众号
商务合作及内容投稿请联系邮箱:bd@atyun.com
广告
广告
写评论取消
回复取消