0
| 本文作者： 劉偉 | 2017-12-28 19:37 |
雷鋒網(wǎng)AI掘金志《未來醫(yī)療大講堂——醫(yī)學影像專題》第四期總結(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，文章僅為冰山一角，強烈建議觀看完整版視頻（含57頁PPT），請點擊鏈接：http://www.mooc.ai/open/course/384
一、數(shù)據(jù)篇（17頁PPT）
1.醫(yī)學影像數(shù)據(jù)資產(chǎn)盤點
2.標注工具——脫敏：大框架、小技巧
3.標注工具第一類——PC+文件夾處理
4.標注工具第二類——專用IT系統(tǒng)和工具：客戶端系統(tǒng)與網(wǎng)站系統(tǒng)
5.第三方標注工具LabelImg
6.自建工具
7.標注工具開發(fā)心得
8.標注工具第三類——專用工具+AI輔助標注
二、算法篇（31頁PPT）
1.關(guān)于數(shù)據(jù)分割比例
2.遷移學習
3.框架選型：Pytorch、Caffe、TensorFlow、MXnet
4.目標檢測用于面部皮膚疾病分析
數(shù)據(jù)脫敏及預(yù)處理、皮膚疾病檢測
5.目標檢測用于宮頸基液細胞分析
基于深度學習+GBDT的Two Stage模型
multi CPU+multi GPU宮頸病理三分類系統(tǒng)
6.3D目標檢測用于肺結(jié)節(jié)CT分析：
數(shù)據(jù)處理、肺結(jié)節(jié)預(yù)測框架、Faster RCNN框架、Online hard Example mining、Loss 函數(shù)、框架選擇、我們的模型框架、FROC效果提升、模型網(wǎng)絡(luò)結(jié)構(gòu)（150層+，Unet+Resnet）、分類器與融合
三、算力篇（9頁PPT）
1.架構(gòu)選型決策：品牌 VS DIY
Intel CPU+Nvidia GPU
Power CPU+Nvidia GPU
Intel CPU
Intel +ASIC
Intel +FPGA
2、選型決策：云VS自建
亞馬遜云、美團云、阿里云
3.算力優(yōu)化：CPU GPU 寬帶優(yōu)化、CUDA
吳博從數(shù)據(jù)、算法和算力三個層面，詳細介紹了自己在AI醫(yī)學影像落地方面的實戰(zhàn)經(jīng)驗和心得。
他指出，醫(yī)療數(shù)據(jù)的價值評估與鉆石類似，可以從數(shù)據(jù)質(zhì)量、同分布來源的影像數(shù)據(jù)尺寸和數(shù)據(jù)標注程度這三大維度來考核。沒有經(jīng)過標注的數(shù)據(jù)就像未經(jīng)加工的原石，無法體現(xiàn)其價值，因此數(shù)據(jù)標注是AI醫(yī)學影像落地過程中至關(guān)重要的一環(huán)。
吳博對數(shù)據(jù)標注工具進行了分類，并分享了自己在開發(fā)數(shù)據(jù)標注工具方面的心得。他指出，通過自建工具能夠更好地滿足項目推進過程中的用戶管理、權(quán)限管理、多人協(xié)作審核，以及模型迭代標注調(diào)整等需求。
數(shù)據(jù)層面，企業(yè)能做的決策不多，只能“看菜吃飯”，但在算力層面，企業(yè)有很多的選擇，比如選擇什么樣的框架，選擇品牌設(shè)備還是DIY設(shè)備，選擇云服務(wù)還是自建機房等。在課程的最后部分，吳博詳細介紹了許多選型決策和算力優(yōu)化方面的技巧。
吳博，宜遠智能CEO
學術(shù)背景：吳博先后在清華大學、香港浸會大學求學，并在英國利茲大學完成博士后，師從計算機視覺專家唐遠炎教授等人。與此同時，他也在ICML/ACL等頂級會議發(fā)表多篇人工智能論文。
工業(yè)界經(jīng)驗：2017年創(chuàng)立醫(yī)療AI公司：宜遠智能，該公司集結(jié)了20多名人工智能博士以及眾多海內(nèi)外醫(yī)學顧問，為醫(yī)療健康領(lǐng)域提供AI增強解決方案，并與多家知名醫(yī)院達成合作，并推出成型產(chǎn)品。
創(chuàng)立宜遠智能之前，吳博曾在愛立信大數(shù)據(jù)研究院任職。還主導(dǎo)過百億級虛擬品電商、數(shù)字貨幣系統(tǒng)的業(yè)務(wù)及數(shù)據(jù)架構(gòu)建設(shè)與運營。
2017年成果：吳博領(lǐng)導(dǎo)的宜遠智能團隊在醫(yī)學影像領(lǐng)域，取得以下成績：
1.阿里天池醫(yī)療AI大賽GPU環(huán)節(jié)國內(nèi)最佳；開源系統(tǒng)榮獲大賽人氣獎。
2.面部皮膚診斷分析API、SDK已經(jīng)進入商業(yè)化，并在2017年世界互聯(lián)網(wǎng)大會展出。
3.宮頸基液細胞學診斷AI在權(quán)威評測中，超出醫(yī)生水平。
以下圖文為雷鋒網(wǎng)AI掘金志節(jié)選的吳博課程部分內(nèi)容：
醫(yī)療人工智能建立在海量數(shù)據(jù)的基礎(chǔ)之上，但優(yōu)質(zhì)的醫(yī)療數(shù)據(jù)十分稀缺，其價值隨之凸顯。如何準確評估數(shù)據(jù)的價值，是醫(yī)生和投資人非常關(guān)心的話題，對此業(yè)內(nèi)尚未形成共識。
吳博認為，醫(yī)療數(shù)據(jù)可以類比為鉆石。鉆石的價值評估對應(yīng)著顏色、凈度、切工和克拉這四個維度，醫(yī)療數(shù)據(jù)也可如此類比。
顏色越純、凈度越高的鉆石，價值也就越高。對于醫(yī)學影像數(shù)據(jù)來說，它的價值也取決于其干凈、規(guī)范、清晰和標準化的程度。如果是從膠片、PACS系統(tǒng)和診斷報告中翻拍而來的數(shù)據(jù)，必然會包含一些雜質(zhì)，其價值將大打折扣。吳博指出，高質(zhì)量的數(shù)據(jù)需要是Raw Data，比如mhd格式的DICOM影像和openslide病理圖像。
鉆石單顆克拉數(shù)越高，價值也就越大。吳博認為，鉆石的克拉數(shù)可類比同分布來源的影像數(shù)據(jù)尺寸。所謂同分布來源的影像數(shù)據(jù)，對CT來說就是來自同一設(shè)備的，參數(shù)和曝光強度都相同的影像數(shù)據(jù)；對病理圖像來說，則指采用同一染色方法和色度、同一掃描儀及倍數(shù)，以及相同存儲格式的影像數(shù)據(jù)。
雖然AI企業(yè)的最終目標是開發(fā)出一套通用性強的算法，能通吃各種數(shù)據(jù)；但作為數(shù)據(jù)資產(chǎn)方，同分布同來源的影像數(shù)據(jù)規(guī)模越大，其價值就越高。
有些醫(yī)院雖然擁有大量數(shù)據(jù)，但它們來自不同的科室，格式也不盡相同，這種數(shù)據(jù)的價值是要打一些折扣的。
鉆石成為商品前需要經(jīng)過切割等加工，醫(yī)療數(shù)據(jù)同樣要經(jīng)過標注等處理才能釋放其價值。鉆石的切割工藝分為許多個層級，醫(yī)療影像數(shù)據(jù)的標注亦是如此。從基礎(chǔ)的類別標注到類別+病灶方框標注，再到類別+像素級勾畫，標注的精細度逐級提升，數(shù)據(jù)的價值亦水漲船高。
工欲善其事，必先利其器。要想對醫(yī)療影像數(shù)據(jù)進行精細化的標注，首先得有好的標注工具。
吳博將標注工具劃分成了三大類別，他將最基礎(chǔ)的一類稱作“pc+文件夾處理”，即讓醫(yī)生在pc和工作站上對數(shù)據(jù)進行分揀。對于醫(yī)生來說，專業(yè)的數(shù)據(jù)標注軟件有一定的學習成本，原始的分揀處理減少了學習成本，而且往往行之有效，還具有不受網(wǎng)絡(luò)影響、安全性較高等優(yōu)點。不足之處則在于，對后期的數(shù)據(jù)清洗要求更高，而且過程繁雜，十分消耗人工物力。
更高階的有專用IT系統(tǒng)和工具，包含第三方工具和自建工具。以MIT 的 Pascal VOC 標準標注工具 labelImg為代表的第三方工具雖然功能強大，但在通用性和靈活性方面還有所欠缺，因此企業(yè)經(jīng)常不得不開發(fā)一些自建工具。
宜遠智能在開發(fā)數(shù)據(jù)標注工具方面積累了許多心得。吳博指出，通過自建工具能夠更好地滿足項目推進過程中的用戶管理、權(quán)限管理、多人協(xié)作審核，以及模型迭代標注調(diào)整等需求。
尤其是在醫(yī)學影像領(lǐng)域，標注的數(shù)據(jù)大多為圖片，天然具備便于展示的優(yōu)點，因此可以本著方便易用的原則采用H5的canvas來設(shè)計標注工具，同時結(jié)合css3的變換，滿足圖像縮放、標注的需求。標注人員只需打開瀏覽器即可標注，無需復(fù)雜軟件部署。
鑒于有些標注圖片太大（比如一例CT數(shù)據(jù)多達幾十甚至上百兆，一例病理數(shù)據(jù)有可能多達1G），網(wǎng)絡(luò)傳輸效率低下，有時候需要對標注數(shù)據(jù)做本地處理。小的項目可以采用數(shù)據(jù)本地化的方式，使用fiddler等代理軟件將網(wǎng)絡(luò)圖片請求代理到本地。大的項目則可以做內(nèi)網(wǎng)的分布式部署，將標注系統(tǒng)部署在內(nèi)網(wǎng)服務(wù)器上，由標注人員在內(nèi)網(wǎng)進行標注。
基于這些自建工具，標注人員可以根據(jù)需求選擇本地標注或在線標注，操作集中于鼠標，交互非常友好。標注人員可根據(jù)不同標注需求繪制點/線/框，無需復(fù)雜設(shè)置，打開瀏覽器即可標注，也可以清楚看到哪些已標哪些未標。
隨著技術(shù)發(fā)展，數(shù)據(jù)標注本身也呈現(xiàn)出了AI化的趨勢。比如基于以往的標注，可以通過AI模型對數(shù)據(jù)進行預(yù)處理，然后由標注人員在此基礎(chǔ)上做一些校正。
（算法篇 共有31頁信息量極大的PPT）
吳博認為，算力優(yōu)化本質(zhì)上是跟預(yù)算做斗爭，因為任何一家企業(yè)的預(yù)算和資源都是有限的，必須做很多的決策，要有所取舍。
數(shù)據(jù)層面，企業(yè)能做的決策不多，只能“看菜吃飯”，有多少數(shù)據(jù)就做多大的事。但在算力層面，企業(yè)有很多的選擇，比如選擇什么樣的框架，選擇品牌設(shè)備還是DIY設(shè)備，選擇云服務(wù)還是自建機房等。
就框架而言，Intel CPU + Nvidia GPU的框架是目前為止的首選，特別是在需要做模型訓練的情況下。但企業(yè)也可以根據(jù)自身需求選擇其他框架，比如IBM體系的Power CPU + Nvidia GPU框架，性能也很優(yōu)異，在CPU與CPU、CPU與GPU、GPU與GPU之間都可以提供非常出色的帶寬支持，構(gòu)成比較高端解決方案。
而且為了追趕Intel CPU + Nvidia GPU的框架，Power CPU + Nvidia GPU提供了很多扶持計劃。對于研發(fā)團隊來說，加入它們的foundation獲得算力上的支持是個不錯的選擇。而且Power和浪潮的合作非常緊密，這意味著它的國產(chǎn)化將不成問題。
此外，還有Intel CPU、Intel + ASIC、FPGA等多種框架，它們各有優(yōu)缺點，企業(yè)可以視自身情況作出選擇。
……
雷鋒網(wǎng)AI掘金志線上直播結(jié)束后，學員從不同維度提出了18個問題，吳博對多數(shù)問題進行了耐心解答。
問題：
1.多疾病分類的時候，針對嚴重不均衡的數(shù)據(jù)，除了過采樣以外，還有沒有算法層面的突破？嚴重不均衡的數(shù)據(jù)集合會不會造成分類時baseline不穩(wěn)定？
2.如何對多模態(tài)數(shù)據(jù)進行有效利用？
3.針對組織器官數(shù)據(jù)有哪些標注工具？
4.模型迭代標注調(diào)整是什么意思？
5.今天講的細胞學、病理、肺結(jié)節(jié)等，有做成產(chǎn)品用到醫(yī)院的嗎？
6.病理圖片的顏色千差萬別，如何做預(yù)處理？
7.液基細胞學用語義分割做的分割效果如何？
……
本文僅展示了部分內(nèi)容和10頁PPT，剩下的精彩內(nèi)容和47頁PPT，歡迎點擊鏈接：http://www.mooc.ai/open/course/384
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
