中科院趙地：深度學(xué)習(xí)在4大超聲影像中的應(yīng)用

本文作者：李雨晨

2017-12-18 10:51

導(dǎo)語：《未來醫(yī)療大講堂——醫(yī)學(xué)影像專題》第三期總結(jié)文。

雷鋒網(wǎng)AI掘金志《未來醫(yī)療大講堂——醫(yī)學(xué)影像專題》第三期總結(jié)文：一個只給醫(yī)療AI從業(yè)者、影像科醫(yī)生、名校師生、CFDA工作人員看的系列課程。

注：90分鐘的視頻信息量巨大，文字僅為冰山一角，強(qiáng)烈建議觀看完整版視頻，請點(diǎn)擊鏈接：http://www.mooc.ai/open/course/359

趙地教授從深度學(xué)習(xí)的技術(shù)在人類的4大病種(臂叢神經(jīng)、關(guān)節(jié)、乳腺、脂肪肝)影像中的前沿應(yīng)用和大家分享了團(tuán)隊的研究成果。

醫(yī)學(xué)影像是一個非常熱門的領(lǐng)域。超聲成像不僅僅是超聲儀器的小型化，還可以和移動計算、云計算結(jié)合，在這樣的情況下，應(yīng)用場景就會大大拓展。

趙地博士在授課過程中提到了特征強(qiáng)調(diào)的概念：機(jī)器學(xué)習(xí)都要進(jìn)行特征工程的選取，再進(jìn)行相關(guān)算法的訓(xùn)練。特征強(qiáng)調(diào)不需要選擇具體的特征，研究人員可以強(qiáng)調(diào)某一部分的特征，進(jìn)行得到更精確的檢測結(jié)果。這個概念對于后續(xù)的深度學(xué)習(xí)算法的設(shè)計有非常好的作用，特別是在醫(yī)學(xué)影像分析方面。

嘉賓介紹

中科院趙地：深度學(xué)習(xí)在4大超聲影像中的應(yīng)用

趙地：中國科學(xué)院計算機(jī)網(wǎng)絡(luò)信息中心（CNIC），百人計劃，副研究員

中國科學(xué)院計算機(jī)網(wǎng)絡(luò)信息中心“百人計劃”趙地博士畢業(yè)于美國路易斯安娜理工大學(xué)，并在美國哥倫比亞大學(xué)和OSU從事博士后研究，在人工智能的醫(yī)學(xué)應(yīng)用工作十余年。趙地老師帶領(lǐng)的腦科學(xué)計算研究課題組與NVIDIA成立“GPU教育中心”及“智慧醫(yī)療聯(lián)合實(shí)驗(yàn)室”。

該團(tuán)隊針對人類典型性疾病的早期診斷和治療展開研究，提出眾多解決方案并取得一系列成果。針對北京市乃至全國人口老齡化問題，趙地老師與首都醫(yī)科大學(xué)天壇醫(yī)院及宣武醫(yī)院合作，率先在國內(nèi)開展了基于醫(yī)學(xué)領(lǐng)域知識及深度學(xué)習(xí)的阿爾茨海默病早期診斷的研究，承擔(dān)了北京市自然科學(xué)基金重點(diǎn)項目及北京市科技重大專項等多項課題。

同時，該課題組已與國內(nèi)十幾家醫(yī)院合作，在HIV引起的認(rèn)知障礙、血管性認(rèn)知障礙、肺癌篩查、頸動脈超聲識別、前列腺癌智能診斷、糖網(wǎng)鑒別等諸多領(lǐng)域展開深入研究，并取得了一系列突出成果。

課程內(nèi)容：

如何在醫(yī)學(xué)影像分析中應(yīng)用好深度學(xué)習(xí)
基于深度學(xué)習(xí)的臂叢神經(jīng)識別
基于深度學(xué)習(xí)的關(guān)節(jié)智能識別
基于深度學(xué)習(xí)的乳腺超聲影像分析
基于深度學(xué)習(xí)的脂肪肝超聲影像分析

以下內(nèi)容節(jié)選自趙地博士課程

基于Segnet的臂叢神經(jīng)檢測

中科院趙地：深度學(xué)習(xí)在4大超聲影像中的應(yīng)用

雷鋒網(wǎng)AI掘金志了解到，外科手術(shù)已經(jīng)成為日常醫(yī)療過程中不可缺少的治療手段，但是隨之而來的是外科手術(shù)對病患身體與精神上的巨大創(chuàng)傷，特別是手術(shù)中及術(shù)后護(hù)理過程中的疼痛對病人有著極大的精神壓力。

因此，為了緩解術(shù)中與術(shù)后疼痛，現(xiàn)在廣泛使用各種麻醉方式進(jìn)行鎮(zhèn)痛。但是這也不可避免的帶來副作用，特別是麻醉藥劑對神經(jīng)系統(tǒng)的損害，因此為了提高麻醉效果，并且減小麻醉藥劑使用量，局部麻醉中藥劑注射部位精準(zhǔn)度就成為關(guān)鍵。超聲設(shè)備在現(xiàn)代醫(yī)學(xué)檢測中有著廣泛的應(yīng)用，其主要優(yōu)勢有：便于移動；無創(chuàng)傷；價格低廉；沒有輻射。但是超聲也有缺點(diǎn)：分辨率弱于CT；檢查結(jié)果易受醫(yī)師水平影響。

趙地表示，在上肢手術(shù)與術(shù)后護(hù)理中，臂叢神經(jīng)阻滯是一種常用的局部麻醉方式，為了精確確定臂叢神經(jīng)位置，現(xiàn)在廣泛應(yīng)用超聲設(shè)備對神經(jīng)系統(tǒng)進(jìn)行檢測和定位。

由于臂叢神經(jīng)超聲圖像是識別神經(jīng)結(jié)構(gòu)和位置的重要來源，因此超聲圖像識別準(zhǔn)確度直接影響注射針頭或者留置導(dǎo)管介入，而傳統(tǒng)的超聲圖像識別是基于醫(yī)生或者護(hù)士的經(jīng)驗(yàn)，所以介入精度受到人為因素影響。

為了使計算機(jī)能夠模擬醫(yī)生，向醫(yī)生學(xué)習(xí)，趙地博士團(tuán)隊采用直接模擬“人”的方式入手，模擬人類大腦和視覺系統(tǒng)機(jī)理，從而實(shí)現(xiàn)把醫(yī)生在治療過程中問詢，結(jié)合化驗(yàn)結(jié)果，檢查和診斷結(jié)論等知識放入計算機(jī)中。

中科院趙地：深度學(xué)習(xí)在4大超聲影像中的應(yīng)用

針對介入精度受人為因素影響等問題，趙地博士團(tuán)隊提出了一種基于深度學(xué)習(xí)(Deep Learning, DL) 中卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network ,CNN )架構(gòu)的SegNet改進(jìn)模型，用該模型訓(xùn)練臂叢神經(jīng)超聲圖像數(shù)據(jù)，找出臂叢神經(jīng)組織特征，進(jìn)行臂叢神經(jīng)組織自動檢測與分割。

他表示，Segnet的優(yōu)點(diǎn)是分割的精度比較高，可以輔助麻醉手術(shù)甚至是遠(yuǎn)程醫(yī)療，缺點(diǎn)是運(yùn)算量比較大，需要高性能的設(shè)備支撐。

中科院趙地：深度學(xué)習(xí)在4大超聲影像中的應(yīng)用

此外，趙地博士團(tuán)隊的基于Segnet的臂叢神經(jīng)檢測的訓(xùn)練精度可以達(dá)到96%，基本滿足臨床上對于臂叢神經(jīng)超聲影像分析的需求。

中科院趙地：深度學(xué)習(xí)在4大超聲影像中的應(yīng)用

為了避免僅使用肉眼對比訓(xùn)練數(shù)據(jù)的準(zhǔn)確度進(jìn)行模型評估，在模型訓(xùn)練完成后，趙地老師的團(tuán)隊將測試數(shù)據(jù)送入模型，然后上傳測試結(jié)果至Kaggle網(wǎng)站對實(shí)驗(yàn)結(jié)果進(jìn)行比較和評價，Kaggle網(wǎng)站使用戴斯系數(shù)（Dice coefficient）來評估圖像分割結(jié)果和原標(biāo)簽數(shù)據(jù)的相似程度。

基于圖像前處理的臂叢神經(jīng)檢測性能的提高

在此前的研究基礎(chǔ)上，趙地博士的團(tuán)隊還通過對圖像進(jìn)行前處理，得到邊界增強(qiáng)效果，從而進(jìn)一步提高臂叢神經(jīng)檢測的性能。

選擇一個好的前處理方式，對于特定檢測的目標(biāo)的隱藏需求是很重要的，從超聲圖像中分割臂叢神經(jīng)，更關(guān)注對于邊界的把握。

通過對臂叢神經(jīng)的圖像能夠進(jìn)行了兩次邊界增強(qiáng)以后，利用Segnet進(jìn)行分割，可以進(jìn)一步提高檢測精度，降低錯誤率。

中科院趙地：深度學(xué)習(xí)在4大超聲影像中的應(yīng)用

他還分享了該項研究成果在超聲機(jī)上實(shí)際應(yīng)用的效果。不同于實(shí)驗(yàn)室環(huán)境，超聲機(jī)的運(yùn)算能力有限。當(dāng)超聲掃查面在接近臂叢標(biāo)準(zhǔn)面時，概率圖比較接近真實(shí)情況。

由于數(shù)據(jù)集不夠大、檢測體位的變化，導(dǎo)致超聲機(jī)實(shí)際操作過程中出現(xiàn)了假陽性診斷過多的現(xiàn)象。

趙地表示，在實(shí)際真機(jī)上要有好的處理效果，還需要增加預(yù)處理，以確?；译A分布與訓(xùn)練數(shù)據(jù)比較接近。

現(xiàn)在超聲都是連續(xù)的，身體項目的考核指標(biāo)需要實(shí)時更新，如何在檢測模型的精度和速度上達(dá)到比較理想的效果，還需要進(jìn)一步的研究。

乳腺結(jié)節(jié)/乳腺癌

隨后，趙地博士還講到乳腺結(jié)節(jié)篩查等方面的工作。

國內(nèi)外研究的基本方法是基于紋理特征的檢測方法和基于形態(tài)學(xué)的檢測方法?；诩y理特征的檢測方法是通過提取中心矩、熵等紋理特征，應(yīng)用現(xiàn)行分類器識別腫瘤判定良惡性；基于形態(tài)學(xué)的檢測方法是對腫瘤進(jìn)行半自動分割，提取腫瘤特征進(jìn)行乳腺癌的分級診斷。

但是其中還存在兩點(diǎn)問題：1、沒考慮到腫瘤的特殊形態(tài)及表現(xiàn) 2、過度依賴分割效果，出現(xiàn)特征提取不全面或不充分。

要達(dá)到識別結(jié)節(jié)的目標(biāo)，趙博士的團(tuán)隊利用從醫(yī)院獲取的數(shù)據(jù)進(jìn)行對抗網(wǎng)絡(luò)等方法實(shí)現(xiàn)數(shù)據(jù)擴(kuò)增。利用線性對比度拉伸、非線性拉伸、直方圖均衡化等多種邊界增強(qiáng)的方法，在Alexnet上進(jìn)行訓(xùn)練。

中科院趙地：深度學(xué)習(xí)在4大超聲影像中的應(yīng)用

經(jīng)過這幾種前處理的方式以后，準(zhǔn)確率有明顯的提高。趙博士表示，希望能夠?qū)Ω嗟呐R床數(shù)據(jù)進(jìn)行分析，不斷探索圖像前處理的方法，包括對抗網(wǎng)絡(luò)的設(shè)計方式，讓結(jié)果得到進(jìn)一步的提升。

在課程中，趙地博士還講授了利用機(jī)器學(xué)習(xí)在脂肪肝紋理特征進(jìn)行前處理，實(shí)現(xiàn)特征增強(qiáng)以及深度學(xué)習(xí)技術(shù)在關(guān)節(jié)方面的一系列工作。“如果我們可以把脂肪肝的超聲檢測做到更高的精度，甚至像臂叢神經(jīng)一樣，如果能夠與移動超聲儀器相結(jié)合，將會產(chǎn)生非常大的價值?！?/p>

他表示，通過前處理的方式，可以有效地提高檢測的精度，這項工作非常重要而且很有必要。特別是超聲影像存在手法的問題，對于算法的設(shè)計者又提出了很多挑戰(zhàn)。