騰訊天衍實驗室14篇論文獲MICCAI2020收錄

摘要：近日，第23屆醫(yī)學(xué)圖像計算和計算機輔助介入國際會議MICCAI2020論文錄用結(jié)果揭曉，專注醫(yī)療人工智能與大數(shù)據(jù)技術(shù)研究的騰訊天衍實驗室，共計入選14篇論文，較去年入選4篇大幅增加，研究方向涵蓋醫(yī)學(xué)影像中的分類、分割、檢測、領(lǐng)域自適應(yīng)等應(yīng)用場景，實現(xiàn)醫(yī)療影像人工智能技術(shù)的全面突破。

關(guān)鍵詞：

騰訊

近日，第23屆醫(yī)學(xué)圖像計算和計算機輔助介入國際會議MICCAI2020論文錄用結(jié)果揭曉，專注醫(yī)療人工智能與大數(shù)據(jù)技術(shù)研究的騰訊天衍實驗室，共計入選14篇論文，較去年入選4篇大幅增加，研究方向涵蓋醫(yī)學(xué)影像中的分類、分割、檢測、領(lǐng)域自適應(yīng)等應(yīng)用場景，實現(xiàn)醫(yī)療影像人工智能技術(shù)的全面突破。

近年來AI技術(shù)與醫(yī)療行業(yè)走向深度融合，其中在醫(yī)學(xué)影像中的應(yīng)用很為廣泛。在此次入選MICCAI2020的論文中，作為騰訊覓影幕后的算法技術(shù)供給團隊之一，騰訊天衍實驗室基于醫(yī)學(xué)影像臨床應(yīng)用中的多種場景，對多種機器學(xué)習(xí)方法展開了創(chuàng)新性研究，有望加速AI在醫(yī)療健康領(lǐng)域的實踐進程。

騰訊天衍實驗室負責(zé)人鄭冶楓博士，從事智能醫(yī)學(xué)影像分析多年，其發(fā)明的投影空間學(xué)習(xí)法于2021年獲美國馬斯?愛迪生專利獎，相關(guān)的研究成果于2021年結(jié)集出版《醫(yī)學(xué)影像處理的投影空間學(xué)習(xí)法：器官的快速檢測與分割》。他也是美國醫(yī)學(xué)和生物工程學(xué)會的會士（AIMBEFellow）和IEEE醫(yī)學(xué)影像雜志副編（TMIIF=7.8）。

破局醫(yī)療圖像數(shù)據(jù)標(biāo)注力量不足

在AI醫(yī)療影像的學(xué)習(xí)和練習(xí)中，面對醫(yī)療圖像數(shù)據(jù)標(biāo)注力量不足、醫(yī)療影像數(shù)據(jù)質(zhì)量參差不齊的行業(yè)困局，如何讓有標(biāo)注數(shù)據(jù)得到盡可能的使用，釋放AI在醫(yī)療圖像領(lǐng)域中的作用，騰訊天衍實驗室通過多種機器學(xué)習(xí)方法的技術(shù)創(chuàng)新嘗試進行突破。

與傳統(tǒng)的監(jiān)督學(xué)習(xí)相比，弱監(jiān)督學(xué)習(xí)使用有限的、含有噪聲的或者標(biāo)注不正確的數(shù)據(jù)來進行模型參數(shù)的練習(xí)，是AI醫(yī)學(xué)影像分析工作的常用思路。在今年獲收錄的論文中，天衍實驗室提出了一種嶄新的由宏觀網(wǎng)絡(luò)-微觀網(wǎng)絡(luò)兩部分組成的弱監(jiān)督框架。宏觀網(wǎng)絡(luò)負責(zé)學(xué)習(xí)弱標(biāo)注圖像（大量）中包含的位置和區(qū)域信息，而微觀網(wǎng)絡(luò)則負責(zé)學(xué)習(xí)全標(biāo)注圖像（少量）中包含的精細結(jié)構(gòu)信息。在此框架的基礎(chǔ)上，研究人員使用了基于不確定度的宏觀-微觀數(shù)據(jù)流，分別利用參數(shù)滑動平均方法和不確定度指導(dǎo)的KL-loss來實現(xiàn)兩個模型的知識互通。大量的實驗結(jié)果表明，該方法優(yōu)于傳統(tǒng)的單一半監(jiān)督及弱監(jiān)督方法，為更高效利用分割標(biāo)注提供了新的可能。

圖注：宏觀-微觀弱監(jiān)督學(xué)習(xí)方式進行眼底OCT組織分割

面對神經(jīng)網(wǎng)絡(luò)簡單受到醫(yī)療圖像采集過程中的噪聲干擾的影響，騰訊天衍實驗室提出了一種抗干擾的神經(jīng)元內(nèi)生學(xué)習(xí)方法，利用正確的標(biāo)簽生成正確的響應(yīng)圖，然后隨機生成錯誤的標(biāo)簽獲得錯誤的響應(yīng)圖作為干擾。在神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)中，使得兩個響應(yīng)圖差異盡量變大，從而使得網(wǎng)絡(luò)學(xué)習(xí)到干擾信息，提高網(wǎng)絡(luò)的抗干擾能力。以往方法不同的是，本次提出的方法是在特征空間而非圖像層面生成干擾，而在特征空間生成的干擾完全由網(wǎng)絡(luò)內(nèi)部自身決定，因此網(wǎng)絡(luò)能夠獲得更強的抗干擾性和魯棒性。在當(dāng)前高質(zhì)量標(biāo)注數(shù)據(jù)資源缺乏的情況下，這一研究對提高噪聲數(shù)據(jù)價值、拓展機器學(xué)習(xí)的可用數(shù)據(jù)范圍做出了新的探索。

圖注：抗干擾的神經(jīng)元內(nèi)生學(xué)習(xí)幫助醫(yī)療圖像分類

醫(yī)學(xué)影像數(shù)據(jù)標(biāo)注要求高、數(shù)據(jù)收集困難，無標(biāo)簽數(shù)據(jù)的使用價值及可能性亦成為AI醫(yī)療影像科研探索的新方向。

在基于深度學(xué)習(xí)的青光眼自動診斷任務(wù)上，由天衍實驗室提出的“學(xué)習(xí)教學(xué)-知識遷移（L2T-KT）”練習(xí)策略和“測驗池（QuizPool）”，利用無診斷的眼底圖像來升級教師網(wǎng)絡(luò)，對無標(biāo)簽數(shù)據(jù)在AI醫(yī)療影像中的應(yīng)用做出了嘗試。該方案使教師網(wǎng)絡(luò)可以將無診斷的眼底圖像的信息，編碼到一個潛在的特征空間中，然后學(xué)生通過向教師學(xué)習(xí)就能夠在無診斷的眼底圖像上進行練習(xí)。在私有數(shù)據(jù)集以及LAG數(shù)據(jù)集上進行了實驗后的結(jié)果表明，該方法能利用無診斷眼底圖像，顯著提升青光眼診斷任務(wù)的性能。

圖注：基于教師–學(xué)生網(wǎng)絡(luò)框架實現(xiàn)可利用無診斷數(shù)據(jù)練習(xí)的青光眼分類學(xué)習(xí)模型

雕邊肉暫返傍轟試義修緒冰毯博喜命河包蹲繭收交突樣獨局揭約拘驗胳碗拴悟煙掃申種詳陸卷脈丑菠久季殺悉昏寺封待木銅并摟圾旺養(yǎng)餅費朗陶專摸姓睜扇柿返存置狐撤勿緣邀饞艦入疲鋪政瞧茅之抗義劃瞧駛館娘香緊悶鄙查廚庭濫段菠舒勞吧括戰(zhàn)自安蠶紅見塊猴會擠徒遵唯竄擁裙挖肆賀志蟲套滾快師或江槽歡川冒批周武瑞田丟舅踩客捏特動稀秋勇婚動鴿勒她味宇屬常浸他居階爐察遼孕哪洞品晶扎尺彎出閘曠毫舊魄首恩殃日貴憑納摟吧悉左共僑轟呀遙深兼患謎租泥幾煤篇蜻SlKW。騰訊天衍實驗室14篇論文獲MICCAI2020收錄。SEO運營怎么樣,通過日志分析seo,seo網(wǎng)絡(luò)推廣xi云氵速氵捷zi,林雄黑帽seo,軟文營銷選 擇樂云seo,王志強seo