医疗图像识别

将AI用于医疗影像分析,可以帮助医生定位病症分析病情,辅助做出诊断。目前医疗数据中有超过90%来自医疗影像,这些数据大多要进行人工分析,如果能够运用算法自动分析影像,再将影像与其它病例记录进行对比,就能极大降低医学误诊,帮助做出准诊断。

工业应用案例

胰岛素囊泡识别系统

在目前医学领域对糖尿病人的医疗诊断中,有“观察糖尿病人胰岛素囊泡情况”这一环节。

对糖尿病人来说,胰岛素囊泡的分布情况直接决定了病人的病情、康复情况,所以这一环节至关重要。

然而在电镜照片中,由于胰岛素囊泡是难以观察的,即便是熟练的医生也得观察许久,这导致大量待诊病人无法得到诊断,医院的确诊效率无法得到保证。

在深度学习领域有一种“全卷积神经网络技术(FCN)”,在这种技术的基础下,选用合适的算法、合理的网络结构,再使用人工标记好的“胰岛素囊泡”电镜照片,就可以构建出“自动囊泡细胞识别系统”。

使用这种系统,医生原来要花费几个小时来分析的胰岛素电镜照片,只需要几秒钟就能识别完成。

下图右侧是Multi-FCN系统自动识别出的胰岛素囊泡的情况,可以观察到不管是正常的胰岛素囊泡,还是畸变的胰岛素囊泡,都精确的被识别,识别结果与中间人工标注的结果几乎无异。

同时本系统还可以应用在“白细胞”识别领域。自动识别系统提升了医学诊断效率,即有利于患者,又为医院创造了商业价值。

爱尔眼科智能诊断系统

目前全球范围内大约有 4.15 亿的糖尿病患者,单是中国就有 1.1 亿左右,而糖尿病视网膜病变致盲问题也愈发受到人们的关注。

据悉,只要在发病初期定期进行眼底检查,失明风险可下降 94.4%。但由于眼底病灶微小,部分医生经验不足等原因,使得诊断中可能出现漏诊、误诊的情况,因此,借助 AI 辅助诊断是未来的一大趋势。

爱尔眼科智能诊断系统使用Kaggle及DIARE的眼底数据集,加上人工参与标记平台,对近10万张中国人的眼底图像进行分析和建模。

系统最终对病患基数巨大的糖尿病视网膜病变(DR)和老年性黄斑变性(AMD)筛查的诊断准确率已达到九成以上。

开源项目参考

Deep Neural Networks Toolkit for Medical Imaging Analysis

https://github.com/DLTK/DLTK

DLTK is a neural networks toolkit written in python, on top of Tensorflow. Its modular architecture is closely inspired by sonnet and it was developed to enable fast prototyping and ensure reproducibility in image analysis applications, with a particular focus on medical imaging. Its goal is to provide the community with state of the art methods and models and to accelerate research in this exciting field.

V-Net: FCNN for Volumetric Medical Image Segmentation

https://github.com/mattmacy/vnet.pytorch

Vnet is a PyTorch implementation of the paper V-Net: Fully Convolutional Neural Networks for Volumetric Medical Image Segmentation by Fausto Milletari, Nassir Navab, and Seyed-Ahmad Ahmadi. Although this implementation is still a work in progress, I'm seeing a respectable 0.355% test error rate and a Dice coefficient of .9825 segmenting lungs from the LUNA16 data set after 249 epochs. The official implementation is available in the faustomilletari/VNet repo on GitHub.

Kaggle Ultrasound Nerve Segmentation

https://github.com/yihui-he/u-net

This tutorial shows how to use Keras library to build deep neural network for ultrasound image nerve segmentation.

Medical Image Analysis IPython Tutorials

https://github.com/curiale/Medical-Image-Analysis-IPython-Tutorials

This repository is intended for research and educational purposes in medical image analysis. It contains four seperate tutorials with Ipython notebooks demonstrating basic examples of medical image registration, segmentation, and classification.

Leave A Comment?