0
| 本文作者： 奕欣 | 2017-11-06 12:51 |
雷鋒網(wǎng) AI 科技評(píng)論按： 北京大學(xué) LAB2112 團(tuán)隊(duì)在今年的阿里天池醫(yī)療 AI 大賽中又奪冠了。這支來(lái)自北京大學(xué)信息科學(xué)技術(shù)學(xué)院機(jī)器感知與智能教育部重點(diǎn)實(shí)驗(yàn)室的研究團(tuán)隊(duì)，包括四名碩士研究生王東、胡志強(qiáng)、羅天歌、楊澤，與博士研究生李傲雪，團(tuán)隊(duì)的指導(dǎo)教師為王立威教授。
王立威老師團(tuán)隊(duì)在醫(yī)療影像分析，尤其是肺部 CT 圖像分析上有著深厚的研究基礎(chǔ)和豐富的研究經(jīng)驗(yàn)，曾參與 Kaggle Data Science Bowl 2017 肺癌預(yù)測(cè)大賽，于全球 1972 支隊(duì)伍中獲得第 4 名; 曾參與 LUNA 肺結(jié)節(jié)檢測(cè)挑戰(zhàn)賽，在肺結(jié)節(jié)檢測(cè)和假陽(yáng)性削減兩項(xiàng)任務(wù)中均取得第 1 名并保持到 2017 年 7 月，相關(guān)文章發(fā)表在醫(yī)療圖像計(jì)算頂級(jí)會(huì)議 MICCAI 2017。
在本次阿里天池醫(yī)療 AI 大賽中，王立威老師又再次帶領(lǐng)團(tuán)隊(duì)獲得了冠軍。在比賽結(jié)束后，雷鋒網(wǎng) AI 科技評(píng)論第一時(shí)間聯(lián)系了王立威教授，針對(duì)他在醫(yī)學(xué)影像領(lǐng)域的研究做了細(xì)致的交流。
王立威，北京大學(xué)信息科學(xué)技術(shù)學(xué)院教授。長(zhǎng)期從事機(jī)器學(xué)習(xí)研究。在機(jī)器學(xué)習(xí)領(lǐng)域發(fā)表論文 100 余篇。2011 年入選人工智能重要國(guó)際獎(jiǎng)項(xiàng) AI's 10 to Watch，是亞洲首位獲得該獎(jiǎng)項(xiàng)的學(xué)者。2012 年獲得首屆國(guó)家自然科學(xué)基金優(yōu)秀青年基金。擔(dān)任國(guó)際人工智能權(quán)威會(huì)議 NIPS，IJCAI 領(lǐng)域主席。中國(guó)計(jì)算機(jī)學(xué)會(huì)人工智能與模式識(shí)別專委會(huì)常委。
2012 年以來(lái)，不論是深度網(wǎng)絡(luò)層數(shù)的不斷拓展，還是系統(tǒng)在數(shù)據(jù)集上的優(yōu)異表現(xiàn)，都讓學(xué)術(shù)界對(duì)機(jī)器學(xué)習(xí)有了重新的認(rèn)識(shí)。對(duì)于王立威教授而言，彼時(shí)的他已經(jīng)在機(jī)器學(xué)習(xí)領(lǐng)域做了大量的研究，并憑借突出的表現(xiàn)在 2011 年成為首位入選 AI' s 10 to Watch 的亞洲學(xué)者。
但王立威教授認(rèn)為，這一切只是個(gè)開(kāi)始。「機(jī)器學(xué)習(xí)在近年來(lái)取得了顯著的突破與發(fā)展，除了理論的研究外，更重要的是，學(xué)者們需要看清技術(shù)對(duì)生活產(chǎn)生的重大影響?！雇趿⑼淌谥蒙砣斯ぶ悄芾顺钡那把?，自然也希望能在機(jī)器學(xué)習(xí)的應(yīng)用領(lǐng)域有所作為。
經(jīng)過(guò)王立威教授的觀察和思考，他認(rèn)為有三個(gè)領(lǐng)域會(huì)與深度學(xué)習(xí)進(jìn)行緊密的結(jié)合，并希望能夠選擇其中一個(gè)方面來(lái)進(jìn)行深入研究：一個(gè)是無(wú)人駕駛；一個(gè)是金融領(lǐng)域；再一個(gè)則是醫(yī)療領(lǐng)域。
王立威教授認(rèn)為，無(wú)人駕駛在計(jì)算機(jī)視覺(jué)的識(shí)別技術(shù)已經(jīng)趨于成熟，具備可以與機(jī)器學(xué)習(xí)進(jìn)行深入結(jié)合的條件，但作為一個(gè)與汽車實(shí)體緊密相關(guān)的應(yīng)用方向，在高校內(nèi)做研究的空間相對(duì)受限；此外，駕駛作為一種動(dòng)態(tài)活動(dòng)，相對(duì)于靜態(tài)圖像識(shí)別的難度與復(fù)雜性要高得多。
而金融領(lǐng)域盡管積累了非常多高質(zhì)量的封閉數(shù)據(jù)，但它屬于噪聲非常大的信號(hào)，受突發(fā)政策、人為操作的影響較大，并非總是嚴(yán)格遵循客觀規(guī)律。
在這個(gè)應(yīng)用研究的三岔路口上，王立威教授最終選擇了醫(yī)學(xué)影像領(lǐng)域。一方面，醫(yī)學(xué)影像屬于靜態(tài)圖像識(shí)別，相對(duì)于視頻技術(shù)的處理技術(shù)要更加成熟；另一方面，依托北京大學(xué)的一系列附屬醫(yī)院，不論是從數(shù)據(jù)的獲取或是系統(tǒng)的測(cè)試落地上，王立威教授所在的北京大學(xué)研究團(tuán)隊(duì)都有著得天獨(dú)厚的優(yōu)勢(shì)。
既然選擇了遠(yuǎn)方，便只顧風(fēng)雨兼程。從 2014 年開(kāi)始，王立威教授及其團(tuán)隊(duì)便開(kāi)始了一段與醫(yī)學(xué)影像的不解之緣。
當(dāng)時(shí)，醫(yī)學(xué)界所采用的醫(yī)學(xué)影像技術(shù)已經(jīng)沿用了十年之久。在深度學(xué)習(xí)流行起來(lái)的一段時(shí)間內(nèi)，也一直是以兩種方法并行的模式同時(shí)發(fā)展。王立威教授前期采用了調(diào)研與探索的方式，利用機(jī)器學(xué)習(xí)在性能上的優(yōu)勢(shì)嘗試原有的傳統(tǒng)技術(shù)，一開(kāi)始也取得了不錯(cuò)的效果。
但技術(shù)的落地并不總是一帆風(fēng)順。只滿足于把自己定位于一個(gè)機(jī)器學(xué)習(xí)的研究人員來(lái)看待醫(yī)學(xué)影像問(wèn)題，將機(jī)器學(xué)習(xí)技術(shù)單純地「嫁接」到醫(yī)學(xué)影像原有的系統(tǒng)上，結(jié)果也還不錯(cuò)，但距離優(yōu)秀、滿意的系統(tǒng)依然還很遠(yuǎn)。王立威教授在經(jīng)過(guò)反思和研究后終于意識(shí)到，問(wèn)題的本質(zhì)在于研究人員對(duì)醫(yī)學(xué)影像缺乏真正深入的認(rèn)識(shí)。
「計(jì)算機(jī)學(xué)科與醫(yī)學(xué)畢竟還是兩個(gè)完全獨(dú)立的學(xué)科，不論是從知識(shí)體系或是根本性的思維方式都有很大差異。如果一位機(jī)器學(xué)習(xí)的科研人員要潛心做醫(yī)學(xué)影像的研究，首先要從心理上克服畏難的心理，要有積極的心態(tài)去學(xué)習(xí)非常基礎(chǔ)的醫(yī)療知識(shí)?！雇趿⑼淌诟嬖V雷鋒網(wǎng) AI 科技評(píng)論，作為機(jī)器學(xué)習(xí)或是計(jì)算機(jī)學(xué)科的研究人員，更希望能比較精確、定量化地進(jìn)行描述，如果是醫(yī)學(xué)領(lǐng)域，在很多研究?jī)?nèi)容上往往更傾向于做定性的描述。
以醫(yī)學(xué)影像的診斷為例，如果呈現(xiàn)某些特征，醫(yī)學(xué)人員可能會(huì)認(rèn)為這就是可能出現(xiàn)某種疾病的判斷依據(jù)；但在同樣的情況下，計(jì)算機(jī)學(xué)科的研究人員可能需要一個(gè)精確的定義，「需要滿足哪些定量條件才能被視為符合的特征？」這種基于學(xué)科的思維差異容易在溝通和交流上產(chǎn)生障礙，繼而影響機(jī)器學(xué)習(xí)在醫(yī)學(xué)影像上的應(yīng)用。
此外，機(jī)器學(xué)習(xí)領(lǐng)域目前在識(shí)別、檢測(cè)、分割所處理的圖像很多都是自然景象，與以 X 光、CT 或是核磁共振為代表的醫(yī)學(xué)影像所處理的人體器官圖像存在巨大的差異。而與機(jī)器學(xué)習(xí)所處理的單張圖像相比，醫(yī)學(xué)影像所處理的圖像是逐層的掃描，在某種意義上是一系列的連續(xù)圖像，又存在著不同的地方?！溉绻麅H僅是將機(jī)器學(xué)習(xí)領(lǐng)域的現(xiàn)有算法直接套用在醫(yī)學(xué)影像領(lǐng)域，我認(rèn)為是很難取得什么好的成果的，」王立威教授表示，「我們得針對(duì)醫(yī)學(xué)影像自身的獨(dú)有特點(diǎn)，有的放矢地設(shè)計(jì)或大幅度地改進(jìn)現(xiàn)有的算法才行。」
因此，王立威教授決定帶領(lǐng)團(tuán)隊(duì)先對(duì)醫(yī)療知識(shí)進(jìn)行系統(tǒng)性的了解，圍繞特定病種的診斷基準(zhǔn)進(jìn)行整體的學(xué)習(xí)。其次，醫(yī)生在對(duì)醫(yī)學(xué)影像進(jìn)行判斷的過(guò)程叫做「閱片」，王立威教授也一同與學(xué)生們花了大量的時(shí)間學(xué)習(xí)如何掌握這一技能。
在醫(yī)學(xué)知識(shí)有了質(zhì)的提升后，以此為基礎(chǔ)再做涉及細(xì)節(jié)的算法設(shè)計(jì)時(shí)，王立威教授發(fā)現(xiàn)系統(tǒng)的水平又上升了一個(gè)臺(tái)階。為了做好一個(gè)機(jī)器學(xué)習(xí)應(yīng)用問(wèn)題，這支高校團(tuán)隊(duì)花了很大的精力與時(shí)間去掌握基礎(chǔ)的醫(yī)療知識(shí)。而王立威教授也表示，這也為系統(tǒng)的進(jìn)一步提升、為與醫(yī)生的溝通交流起到了關(guān)鍵性的作用。
秉承著這樣的理念，王立威教授在醫(yī)學(xué)影像應(yīng)用領(lǐng)域做出了很多突破性的嘗試，包括提出針對(duì)醫(yī)療影像檢測(cè)的深度學(xué)習(xí)方法 ContextNet，以及將多個(gè)機(jī)器學(xué)習(xí)算法首次引入肺結(jié)節(jié)的檢測(cè)系統(tǒng)。
從算法層面，王立威教授及團(tuán)隊(duì)已經(jīng)做出了不少的創(chuàng)新性嘗試。而在王立威教授看來(lái)，如何提升病種檢測(cè)的復(fù)現(xiàn)性或者說(shuō)遷移性，同樣是一個(gè)亟待解決的難題?！负歪t(yī)學(xué)影像相關(guān)的病種可能多達(dá) 2000 種，即便是常見(jiàn)的可能也有幾百種。那么，解決了某一病種的醫(yī)學(xué)影像問(wèn)題后，同一方法是否能遷移到新的病種上？假設(shè)這些病種都是相對(duì)獨(dú)立的關(guān)系，那么每次都需要從頭做新的研究?！勾送猓紤]到不同病種包括了 X 光、CT、核磁共振等多種不同的成像方式，這一問(wèn)題就顯得更加復(fù)雜。
基于病種的數(shù)量龐大，病種的選擇標(biāo)準(zhǔn)就成為了一個(gè)非常重要的問(wèn)題。Google 早在 2016 年就開(kāi)始著手用機(jī)器學(xué)習(xí)算法增強(qiáng)糖尿病視網(wǎng)膜病變的檢測(cè)過(guò)程，而騰訊優(yōu)圖實(shí)驗(yàn)室也于今年分享過(guò)它們?cè)谔悄虿∫暰W(wǎng)膜篩查的一些工作。在病種的選擇上，王立威教授告訴雷鋒網(wǎng) AI 科技評(píng)論，從他個(gè)人的角度來(lái)看有三個(gè)需要考慮的地方。
首先是需求問(wèn)題。從根本上，醫(yī)療影像依然是一個(gè)與實(shí)際應(yīng)用的需求緊密結(jié)合的問(wèn)題，因此疾病的發(fā)病率、死亡率自然是首要考慮的因素；此外，該病種的受眾面越大，攻克這一病種所惠及的人數(shù)就越多。
其次是從技術(shù)上考慮。也就是說(shuō)，根據(jù)目前的技術(shù)水平來(lái)看，是否能借助機(jī)器學(xué)習(xí)提升系統(tǒng)水平，通過(guò)醫(yī)學(xué)影像的方式成功進(jìn)行診斷？對(duì)于從業(yè)數(shù)十年的醫(yī)生來(lái)說(shuō)，不同的病種的判斷難度實(shí)際上有著天壤之別。有的病種不需要一秒就可根據(jù)醫(yī)學(xué)影像進(jìn)行診斷，但有的病種即使花費(fèi)大量時(shí)間，也難以得到一個(gè)很有置信力的結(jié)論。「所以，我們要從技術(shù)上對(duì)不同病種做嘗試與判斷，看看是否能從技術(shù)上幫助醫(yī)生解決這樣的問(wèn)題?！?/p>
第三點(diǎn)則是對(duì)醫(yī)生的幫助程度。一方面自然是從提升效率的角度來(lái)看。以肺結(jié)節(jié)檢測(cè)為例子，一位資深醫(yī)生依然需要 6-8 分鐘才能閱一張 CT 片子，但對(duì)于系統(tǒng)而言可能就是一個(gè)秒級(jí)的概念，更不要說(shuō)它可以 24/7 地工作了。
王立威教授提及的另一個(gè)方面則是反過(guò)來(lái)，利用機(jī)器學(xué)習(xí)的技術(shù)推進(jìn)醫(yī)生在診斷上的新發(fā)現(xiàn)。比如發(fā)現(xiàn)了以往傳統(tǒng)閱片沒(méi)有察覺(jué)到的診斷依據(jù)，讓這一病種的診斷在醫(yī)學(xué)上有所突破。盡管這一點(diǎn)目前還沒(méi)有實(shí)現(xiàn)，但王立威教授依然懷有這樣的期待。
在王立威教授的領(lǐng)導(dǎo)下，北京大學(xué) LAB2112 團(tuán)隊(duì)曾參與 Kaggle Data Science Bowl 2017 肺癌預(yù)測(cè)大賽，于全球 1972 支隊(duì)伍中獲得第 4 名; 曾參與 LUNA 肺結(jié)節(jié)檢測(cè)挑戰(zhàn)賽，在肺結(jié)節(jié)檢測(cè)和假陽(yáng)性削減兩項(xiàng)任務(wù)中均取得第 1 名并保持到 2017 年 7 月，相關(guān)文章發(fā)表在醫(yī)療圖像計(jì)算頂級(jí)會(huì)議 MICCAI 2017。在本次天池醫(yī)療 AI 大賽中，王立威老師又再次帶領(lǐng)團(tuán)隊(duì)獲得了冠軍。
如果是普通的開(kāi)發(fā)類比賽，數(shù)據(jù)集與數(shù)據(jù)來(lái)源都是賽事組織方給定的，而且質(zhì)量也非常高。但在現(xiàn)實(shí)生活中，考慮到標(biāo)記數(shù)據(jù)的成本及數(shù)據(jù)量的限制，如何在減少對(duì)數(shù)據(jù)的依賴下提升模型的魯棒性？王立威教授表示，一種較為容易實(shí)現(xiàn)且簡(jiǎn)單直接的辦法就是采用預(yù)訓(xùn)練的方法，選擇一些具有相關(guān)性且較易獲取圖像的領(lǐng)域，利用圖像做網(wǎng)絡(luò)的訓(xùn)練，再應(yīng)用到具體的醫(yī)學(xué)影像領(lǐng)域上來(lái)。這樣一來(lái)，對(duì)數(shù)據(jù)的需求也會(huì)有相應(yīng)的減少。
機(jī)器學(xué)習(xí)的可解釋性一直是一個(gè)頗受重視的問(wèn)題，而在本次天池比賽里，北京大學(xué) LAB2112 團(tuán)隊(duì)在決賽答辯時(shí)也展示了它們?cè)谶@一領(lǐng)域的相關(guān)探索。「以肺結(jié)節(jié)比賽為例，醫(yī)生的判斷其實(shí)也是看這個(gè)級(jí)別形態(tài)上的一些特征，比如毛刺或是空洞出現(xiàn)的頻率較高，那么判斷為惡性的可能性就比較高，我們通過(guò)分析神經(jīng)網(wǎng)絡(luò)，發(fā)現(xiàn)它確實(shí)對(duì)提及的特征關(guān)注得比較多。也就是說(shuō)，可解釋性會(huì)在節(jié)點(diǎn)附近的區(qū)域使得神經(jīng)網(wǎng)絡(luò)的響應(yīng)呈現(xiàn)最大化，那么反過(guò)來(lái)，這也與醫(yī)生的經(jīng)驗(yàn)判斷是吻合的。」
參加了如此多的比賽并取得了突出的成績(jī)，王立威教授對(duì)此則以一種謙虛樂(lè)觀的態(tài)度對(duì)待。他認(rèn)為，參加比賽的目的只是鍛煉隊(duì)伍、檢驗(yàn)水平，與其它的團(tuán)隊(duì)進(jìn)行切磋和交流，在未來(lái)最重要的事情，還是要解決實(shí)際問(wèn)題?！冈谡鎸?shí)的醫(yī)學(xué)場(chǎng)景中廣泛地應(yīng)用機(jī)器學(xué)習(xí)，才是我們最希望看到的結(jié)果。」
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。
