摘要：近日，第23屆醫(yī)學(xué)圖像計(jì)算和計(jì)算機(jī)輔助介入國(guó)際會(huì)議MICCAI2020論文錄用結(jié)果揭曉數據顯示，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(shí)驗(yàn)室高質量，共計(jì)入選14篇論文，較去年入選4篇大幅增加記得牢，研究方向涵蓋醫(yī)學(xué)影像中的分類註入了新的力量、分割、檢測(cè)更多可能性、領(lǐng)域自適應(yīng)等應(yīng)用場(chǎng)景去創新，實(shí)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

近日共謀發展，第23屆醫(yī)學(xué)圖像計(jì)算和計(jì)算機(jī)輔助介入國(guó)際會(huì)議MICCAI2020論文錄用結(jié)果揭曉學習，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(shí)驗(yàn)室，共計(jì)入選14篇論文聽得懂，較去年入選4篇大幅增加應用優勢，研究方向涵蓋醫(yī)學(xué)影像中的分類、分割全方位、檢測(cè)高效節能、領(lǐng)域自適應(yīng)等應(yīng)用場(chǎng)景，實(shí)現(xiàn)醫(yī)療影像人工智能技術(shù)的全面突破大局。

近年來AI技術(shù)與醫(yī)療行業(yè)走向深度融合新創新即將到來，其中在醫(yī)學(xué)影像中的應(yīng)用很為廣泛。在此次入選MICCAI2020的論文中有序推進，作為騰訊覓影幕后的算法技術(shù)供給團(tuán)隊(duì)之一設施，騰訊天衍實(shí)驗(yàn)室基于醫(yī)學(xué)影像臨床應(yīng)用中的多種場(chǎng)景，對(duì)多種機(jī)器學(xué)習(xí)方法展開了創(chuàng)新性研究道路，有望加速AI在醫(yī)療健康領(lǐng)域的實(shí)踐進(jìn)程規模設備。

騰訊天衍實(shí)驗(yàn)室負(fù)責(zé)人鄭冶楓博士，從事智能醫(yī)學(xué)影像分析多年指導，其發(fā)明的投影空間學(xué)習(xí)法于2021年獲美國(guó)馬斯?愛迪生專利獎(jiǎng)競爭力，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(cè)與分割》。他也是美國(guó)醫(yī)學(xué)和生物工程學(xué)會(huì)的會(huì)士（AIMBEFellow）和IEEE醫(yī)學(xué)影像雜志副編（TMIIF=7.8）進一步完善。

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)中集聚，面對(duì)醫(yī)療圖像數(shù)據(jù)標(biāo)注力量不足競爭力、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)得到盡可能的使用狀況，釋放AI在醫(yī)療圖像領(lǐng)域中的作用機製性梗阻，騰訊天衍實(shí)驗(yàn)室通過多種機(jī)器學(xué)習(xí)方法的技術(shù)創(chuàng)新嘗試進(jìn)行突破。

與傳統(tǒng)的監(jiān)督學(xué)習(xí)相比全過程，弱監(jiān)督學(xué)習(xí)使用有限的集成應用、含有噪聲的或者標(biāo)注不正確的數(shù)據(jù)來進(jìn)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不負眾望。在今年獲收錄的論文中高效流通，天衍實(shí)驗(yàn)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(fù)責(zé)學(xué)習(xí)弱標(biāo)注圖像（大量）中包含的位置和區(qū)域信息精準調控，而微觀網(wǎng)絡(luò)則負(fù)責(zé)學(xué)習(xí)全標(biāo)注圖像（少量）中包含的精細(xì)結(jié)構(gòu)信息統籌發展。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)流體系，分別利用參數(shù)滑動(dòng)平均方法和不確定度指導(dǎo)的KL-loss來實(shí)現(xiàn)兩個(gè)模型的知識(shí)互通生產製造。大量的實(shí)驗(yàn)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)督方法攜手共進，為更高效利用分割標(biāo)注提供了新的可能共同。

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

面對(duì)神經(jīng)網(wǎng)絡(luò)簡(jiǎn)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(shí)驗(yàn)室提出了一種抗干擾的神經(jīng)元內(nèi)生學(xué)習(xí)方法大部分，利用正確的標(biāo)簽生成正確的響應(yīng)圖強大的功能，然后隨機(jī)生成錯(cuò)誤的標(biāo)簽獲得錯(cuò)誤的響應(yīng)圖作為干擾實際需求。在神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)中解決方案，使得兩個(gè)響應(yīng)圖差異盡量變大，從而使得網(wǎng)絡(luò)學(xué)習(xí)到干擾信息善謀新篇，提高網(wǎng)絡(luò)的抗干擾能力增產。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方法，而在特征空間生成的干擾完全由網(wǎng)絡(luò)內(nèi)部自身決定行動力，因此網(wǎng)絡(luò)能夠獲得更強(qiáng)的抗干擾性和魯棒性。在當(dāng)前高質(zhì)量標(biāo)注數(shù)據(jù)資源缺乏的情況下切實把製度，這一研究對(duì)提高噪聲數(shù)據(jù)價(jià)值保供、拓展機(jī)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)注要求高進行部署、數(shù)據(jù)收集困難責任，無標(biāo)簽數(shù)據(jù)的使用價(jià)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(dòng)診斷任務(wù)上保護好，由天衍實(shí)驗(yàn)室提出的“學(xué)習(xí)教學(xué)-知識(shí)遷移（L2T-KT）”練習(xí)策略和“測(cè)驗(yàn)池（QuizPool）”組建，利用無診斷的眼底圖像來升級(jí)教師網(wǎng)絡(luò)表現，對(duì)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深刻變革，編碼到一個(gè)潛在的特征空間中結論，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(jìn)行練習(xí)。在私有數(shù)據(jù)集以及LAG數(shù)據(jù)集上進(jìn)行了實(shí)驗(yàn)后的結(jié)果表明質生產力，該方法能利用無診斷眼底圖像適應性強，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(shí)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(dú)局揭約拘驗(yàn)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(fèi)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(huì)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(dòng)稀秋勇婚動(dòng)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先進的解決方案。騰訊天衍實(shí)驗(yàn)室14篇論文獲MICCAI2020收錄技術研究。SEO運(yùn)營(yíng)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(yíng)銷選 擇樂云seo,王志強(qiáng)seo