Добро пожаловать в сообщество Tencent Cloud +, чтобы получить больше обширной технической практики Tencent по галантерее ~
Эта статья написанаСалон технологий сообщества YunjiaОпубликован вКолонка «Облако + сообщество»
Докладчик: Цзян Ченг, старший научный сотрудник Tencent Miying. Он много лет занимается исследованиями, связанными с компьютерным зрением. После прихода в Tencent он отвечает за исследования и разработки направления Tencent Miying в области искусственного интеллекта, связанного с раком молочной железы, а проекты, связанные с исследованиями и разработками, были реализованы во многих крупных больницах третичного уровня.
Привет всем, я очень рад представить вам этот отчет сегодня. Как видите, средний возраст общества год от года увеличивается, а осведомленность людей о здоровье становится все выше и выше.В то же время, с развитием технологий ИИ, направление лечения ИИ стало крупным исследованием. Горячая точка в области Интернета.TencentМы также приложили большие усилия в этом отношении.На конференции «Интернет +», состоявшейся в Гуанчжоу в этот четверг, мы официально выпустили нашу систему искусственного интеллекта груди. Как один из разработчиков этой системы, я имею честь наблюдать процесс этого проекта с нуля и итерацию за итерацией, поэтому надеюсь поделиться с вами опытом всей нашей команды на сегодняшней конференции.
Есть две основные причины выбора направления исследования рака молочной железы в качестве начала нашей работы. Первый аспект заключается в том, что рак молочной железы имеет самую высокую заболеваемость среди всех опухолей у женщин, и уровень его заболеваемости составляет около 16%-17%, что серьезно угрожает здоровью женщин. Второй момент заключается в том, что, несмотря на высокую заболеваемость раком молочной железы, процент его излечения относительно высок: если его удается обнаружить на более ранней стадии, вероятность его излечения очень высока. Для Соединенных Штатов текущая пятилетняя выживаемость составляет 89%, а для Китая — только 83%. Основная причина в том, что население Китая слишком велико, а опытных врачей-кинологов относительно не хватает, что создает противоречие между спросом и предложением. Нынешнее применение технологии ИИ призвано смягчить это противоречие и максимально помочь пациентам и врачам.
Для диагностики молочной железы давайте сначала сделаем некоторые базовые знания. Обычно существуют следующие пять методов диагностики рака молочной железы.Первые четыре метода используются в большинстве больниц.Прежде всего, для человека, который приходит на медицинский осмотр или чувствует себя ненормальным, ему обычно делают рентгеновский снимок Сначала он ставит диагноз. Врачи в отделении визуализации после прочтения фильма вынесут заключение и, если обнаружат что-то непонятное, порекомендуют дальнейшее УЗИ и магнитно-резонансную томографию. Если эти два все еще вызывают подозрение, может быть рекомендована патология. Патология может подтвердить, действительно ли у пациентки рак молочной железы. После качественного суждения, если есть, определите, насколько высока степень злокачественности, и дайте оценку.
Затем на этом основании будут классифицированы подтипы злокачественных опухолей, и для разных подтипов могут быть использованы разные планы лечения. В последние годы исследования в области генетики также были относительно горячими.Хорошо известно, что если у кого-то в семье есть рак молочной железы, вероятность того, что члены их семьи заболеют раком молочной железы, будет выше, чем у других.Гены BRCA, женщины-носители этого ген имеют гораздо более высокую вероятность развития рака молочной железы, чем обычные люди. Таким образом, этот ген может помочь нам определить группы высокого риска и разработать персонализированные планы лечения.
Из вышеизложенного видно, что существует множество методов диагностики рака молочной железы, и наша конечная цель состоит в том, чтобы органично объединить эти методы в единое целое и усовершенствовать технологию диагностики и лечения рака молочной железы. Самым ранним направлением наших исследований была маммография, потому что маммография является наиболее широко используемым и наиболее эффективным способом. , Результаты наших исследований в области маммографии были реализованы в более чем 30 больницах третичного уровня, и были получены некоторые предварительные заявки, а также получены некоторые отзывы. Мы также достигли поэтапных результатов в патологии и магнитном резонансе, а в направлении ультразвука мы только начинаем.
Давайте начнем сегодняшний обмен технологиями с относительно завершенного проекта маммографии, который мы сделали. Эта маммографическая мишень в основном выполняет три функции: во-первых, она определяет местонахождение подозреваемых поражений и может точно разграничить два потенциальных злокачественных новообразования на заданной маммографической мишени. Таким образом, врачу можно помочь уменьшить давление врача на чтение фильма, а с другой стороны, можно уменьшить частоту пропущенных врачом диагнозов. Во-вторых, судить о вероятности злокачественных поражений и на этом основании делать дальнейшие выводы для всей односторонней молочной железы. Наконец, на основе упомянутого выше анализа в сочетании с некоторыми методами обработки изображений извлекаются характеристики груди и создается отчет об изображении.
Давайте посмотрим, как реализованы эти три функции. В основном мы используем следующую техническую структуру.Эта структура в основном содержит три слоя контента.Внешняя часть этой структуры в основном обеспечивает слой предварительной обработки для маммографических изображений. Основной модуль в середине — это наша модель обучения ИИ, а третий уровень динамически обновляет первые два уровня на основе отзывов врачей, основанных на этих двух моделях. Ниже я подробно расскажу о каждой части.
Прежде всего, в модуле предобработки процесс адаптации аппаратуры разных производителей рентгеновского оборудования в основном реализуется посредством методов нормализации и трансфертного обучения. После адаптации устройства мы проведем на нем извлечение ROI. После предварительной обработки следует основная часть: модель обучения. Из-за специфики маммографии у нас нет возможности напрямую использовать нейронную сеть, которая уже есть на рынке, для решения этой проблемы. Поэтому мы разработали эту модель отдельно. Он имеет четыре основных преимущества.Первое преимущество заключается в том, что по сравнению с вводом одного изображения в традиционной сети модель TMuNet использует ввод с четырьмя изображениями (бит MLO-CC), два в левой груди и два в правой груди. , потому что рентгеновские лучи Есть два способа угла съемки: положение CC и положение MLO. Положение CC — это метод горизонтальной съемки, а MLO — метод съемки сбоку. Сравнивая левую и правую грудь, можно значительно повысить точность диагностики. Максимально решить проблему гомозиготности и гомозиготности.
Второй момент заключается в том, что мы используем многомасштабную сеть.Обычно при естественной обработке изображений изображение масштабируется до того, как оно будет введено в сеть, а затем после масштабирования оно вводится в фиксированную сеть. Поскольку поражения на медицинских изображениях имеют разные размеры одной и той же формы, это может означать разные доброкачественные и злокачественные.Если вы просто делаете масштабирование, это может привести к противоречивым суждениям, поэтому принимается метод адаптации изображения посредством проектирования сетевой структуры. .
Третий момент это прогрессивное построение сети.Этот метод чем-то похож на процесс обучения нашего мозга.Для сложной задачи он не решается за один раз.Это разложение задачи на несколько относительно простых задач и потом один Ответ слой за слоем.
Эта сеть также основана на этой идее.Во-первых, мы будем использовать неглубокую сеть для классификации локальных поражений, таких как новообразования и кальцификации. На этой основе уровень сети постепенно углубляется для реализации диагностики одного изображения, а затем мы дополнительно углубляем сеть для реализации функции диагностики четырех изображений. Поэтому наше обучение идет слой за слоем, и наша сеть также представляет собой процесс постепенного углубления.
Четвертый момент – метод обучения самостоятельного обучения. Человеческий мозг обычно идет от простого к сложному при обучении новым знаниям, поэтому в процессе обучения сэмплов не все сэмплы закладываются в сеть для обучения за один раз. Мы разделили эти образцы на несколько категорий в порядке от простого к сложному, а затем постепенно добавляли образцы в порядке от простого к сложному в процессе обучения для обучения модели. Эксперименты показывают, что благодаря такому процессу модель может добиться наилучшего эффекта.
После получения такой базовой модели первыми четырьмя способами мы также проведем трансферное обучение на нашей модели на основе отзывов врачей и некоторых новых данных из вновь подключенных больниц, а также сделаем динамические обновления. В процессе инженерной практики мы пришли к выводу, что количество и типы сложных случаев, которые видит ИИ, во многом определяют верхний предел этой системы ИИ. Поэтому мы уделяем много внимания работе с нашим набором данных. Наш набор данных будет регулярно извлекать ценные сложные случаи из базы данных и онлайн-данных и аннотировать их. В то же время для некоторых из них мы пригласим экспертов, которые особенно известны в трех лучших больницах, чтобы обсудить с нами и использовать патологические или другие данные для перекрестного подтверждения. Добавив эти данные к нашим обучающим образцам, наша модель может намного превзойти сети без этих данных.
Наконец, наша модель достигает следующей точности, а чувствительность массового обнаружения может достигать 92% с коэффициентом ложного обнаружения 0,2. Обнаружение кальцификации является более точным, с чувствительностью 87% и специфичностью 96% для доброкачественной и злокачественной классификации.
В дополнение к этому содержанию мы также проводили исследования в направлении патологии и магнитного резонанса и достигли некоторых поэтапных результатов. Мы также вложили силы в направление УЗИ, и мы все еще находимся в процессе подготовки данных для УЗИ. Конечно, как упоминалось в начале, наша конечная цель — органично объединить эти типы мультимодальных данных, чтобы предоставить пациентам и врачам наилучшую помощь, которую мы можем. Вот мой отчет на сегодня, всем спасибо!
Q&A
**В:** Я хотел бы спросить, как эти четыре фотографии попали в сеть? Другой вопрос, соответствуют ли позиции MLO и CC одному и тому же поражению?
**A:** Да. Если ставить, то в основном решается расширением сети.Конкретные подробности в этом плане раскрывать не удобно.
**В:** Другой вопрос, маркируются ли маркировка кальцификации и маркировка массы отдельно или нет?
**A:** Этого нужно разделить, потому что у них разные характеристики. По нашему опыту, кальцификации легче классифицировать, чем массы.
вопросы и ответы
Языковые требования для разработки ИИ?
Связанное Чтение
Отчет о безопасности | Тенденции грубой силы SSH: миграция с облачных платформ на устройства IoT
Эта статья была разрешена автором для публикации сообщества Tencent Cloud +, исходная ссылка: https://cloud.tencent.com/developer/article/1178384?fromSource=waitui.
Добро пожаловать в сообщество Tencent Cloud+ или подпишитесь на общедоступную учетную запись WeChat облачного сообщества (QcloudCommunity), чтобы как можно скорее получить больше массовой технической практики по сухим товарам~
Огромный технический практический опыт, все вСообщество Юнцзя!