datasheet

百度释出新AI算法 可提升肿瘤辨识效率与正确性

2018-07-05来源: 互联网 关键字:深度学习  百度  AI

百度硅谷AI Lab发表新的深度学习算法NCRF(Neural CondiTIonal Random Field),据称可改善目前活体组织切片检查WSI(Whole Slide Image)分析的结果,协助病理学家提升肿瘤辨识效率与正确性。百度并以开源方式,在GitHub释出该算法。

据报导,WSI是数GB大的影像档,通常包含数十亿画素(pixel),病理学家必须仔细检视病理切片影像寻找肿瘤细胞,但微转移(micrometastases)的小群肿瘤细胞直径可小到1,000画素,因此要从巨大的病理切片影像中有效分析辨识犹如大海捞针。即使运用深度学习算法,也仅能检验WSI影像的一部分。

目前许多WSI的深度学习算法,选择将影像分割为如256x256画素较小的尺寸独立进行分析,但肿瘤周围特别是肿瘤与正常细胞交界处的影像会影响预测结果,由于这些算法的深度卷积神经网络(CNN)无法将周围的影像一并纳入分析,反而增加从分割影像预测肿瘤的难度,经常导致伪阳性误判。

百度的NCRF算法运用CRF建立分割后相邻影像之间空间相关性(spaTIal correlaTIon)模型,不需经过前置或后续处理,即可以标准back-propagaTIon算法进行端对端训练。CNN会从影像撷取特征,然后运用机率图形模式(probabilistic graphical model)聚合相邻影像的信息纳入分析,因此能改善肿瘤预测、减少伪阳性误判。

以Camelyon16资料集(dataset)测试百度的NCRF算法,肿瘤定位准确度(FROC)平均分数可达0.8096,优于专业病理学家的0.7240与Camelyon16挑战赛的前记录0.8074。不过百度研究人员认为,NCRF最合适的应用方式还是做为人类专家的辅助工具,让病理学家有更多时间专注于算法标记出的肿瘤区域。

NCRF算法为通用技术,但受限于训练用资料集的数量与规模,目前主要使用乳癌的公共资料,百度希望大陆医院能提供更多更大型的资料集,进行近一步的临床研究,以彻底评估算法,并验证在其它类型肿瘤的应用。然而要将NCRF算法集成至现有病理切片分析仪器需要配套法规,但目前尚缺具体指导原则,实际应用于临床病例还要一段时间。


关键字:深度学习  百度  AI

编辑:鲁迪 引用地址:http://www.eeworld.com.cn/medical_electronics/2018/ic-news07058847.html
本网站转载的所有的文章、图片、音频视频文件等资料的版权归版权所有人所有,本站采用的非本站原创文章及图片等内容无法一一联系确认版权者。如果本网所选内容的文章作者及编辑认为其作品不宜公开自由传播,或不应无偿使用,请及时通过电子邮件或电话通知我们,以迅速采取适当措施,避免给双方造成不必要的经济损失。

上一篇:防心脏病猝死 智能心电监测衣提前数天预警
下一篇:和病患谈话就能评估身体状况的聊天机器人诞生

关注eeworld公众号 快捷获取更多信息
关注eeworld公众号
快捷获取更多信息
关注eeworld服务号 享受更多官方福利
关注eeworld服务号
享受更多官方福利

推荐阅读

基于深度学习方法 如何对无人机航拍图像进行目标检测

本文全面概述了基于深度学习的对无人机航拍图像进行物体检测的方法。我们还介绍了一个应用示例:利用无人机监测一个非洲住房项目的建设进度。第一部分:我们刚发布了Nano Drone APIs!您是否知道无人机及其相关功能将在2023年成为一项价值500亿美元的产业? 截至今天,无人机被用于农业,建筑,公共安全和安全等领域,同时也被其他领域迅速采用。随着基于深度学习的计算机视觉为这些无人机“提供动力”,行业专家们预测无人机将在以前难以想象的应用场景中被前所未有地广泛使用。我们将探索一些应用以及伴随着它们的挑战,这些应用基于深度学习完成了基于无人机的自动化监测。在最后,我们将展示一个使用Nanonets机器学习框架对非洲住房项目进行远程监测
发表于 2018-12-03
基于深度学习方法 如何对无人机航拍图像进行目标检测

iSee研发深度学习及常识引擎 提升导航服务品质

据外媒报道,iSee公司正在打造新的自动驾驶汽车类型,该类车辆可利用“常识(common sense)”引擎,在非受控区域内为车辆提供导航服务。尽管大多数公司都将自动驾驶技术的研发方向定在提升传感器、感知及控制的性能上,但iSee的首席执行官Yibiao Zhao表示,他的公司率先致力于创建一款可真正了解交通状况的自动驾驶车辆。Zhao表示:“看见并不等同于理解。当前的车辆确实拥有了‘视觉’能力,但该类车辆并不了解接下来会发生什么状况,也不清楚其他人的想法,更遑论了解其他人的意图。”iSee在研发一款汽车编程系统,可利用特殊算法,实现开放环境下自动驾驶车辆与人员的协作,该系统分为两个部件:深度学习及常识引擎。Waymo及优步等公司
发表于 2018-11-08
iSee研发深度学习及常识引擎 提升导航服务品质

星宸科技部署 CEVA计算机视觉和深度学习平台

和深度学习平台的授权许可,并已在其SAV538智能相机系统级芯片(SoC)中部署使用,以实现先进的计算机视觉和基于神经网络应用。         为了彰显两家企业之间的密切合作伙伴关系,星宸科技董事长林永育(Robert Lin)先生将于10月31日在深圳举办的CEVA技术研讨会上发表主题演讲。         SAV538 SoC芯片采用了CEVA-XM6和CEVA深度神经网络(CDNN)技术,可为多种相机应用(包括监控、汽车和虚拟现实)提供智能视频内容分析功能。CEVA的该平台
发表于 2018-10-31

加快深度学习速度,MathWorks 将提供全新GPU 加速容器

MathWorks 今天宣布为 DGX 系统和其他支持 NGC 平台,基于 NVIDIA GPU Cloud (NGC) 容器注册表提供新的 GPU 加速容器。研发人员现在可以利用 NVIDIA DGX 系统中或受支持云服务提供商的多个 GPU ,或选择 PC 和工作站上的 NVIDIA GPU,应用 MATLAB 中的深度学习工作流程。 构建 AI 解决方案的研发人员需要访问云和 HPC 资源,最大限度地缩短训练时间。利用来自 NGC 的 GPU 来加速 MATLAB 容器,用户能够大大加快深度学习网络训练速度,并借助 MATLAB 应用程序和工具来创建、修改、可视化和分析深度学习网络。 “NGC 提供对针对
发表于 2018-10-30

从原理、特点到应用,深度解析何为超深度学习

2016年随着AlphaGo战胜全人类棋手,使世界为之震惊,历史上从来没有过,对于一个技术投入了世界上如此巨大的资源。国际大的IT公司利用这个契机,为了各自利益和取得世界人工智能的发展主导权,极力宣传“深度学习模型”,把“深度学习模型”神化,同时又抛出了各种类型的“深度学习模型”的开源程序,以及大型GPU服务器。在这种势力的推动下,我国年轻的人工智能研究者只能在开源程序下研究,不了解“深度学习模型”的所以然,思想被限制。其实,“深度学习模型”,存在着训练不可能得到最佳解,作为补救措施的SGD也只能得到局部最佳解。因此“深度学习模型”不可解决黑箱问题,自然不可用于工业控制等场所。再加上属于大模型解决小任务,投入产出不对称等等原因
发表于 2018-10-25

谷歌 AI +医疗,实现缩短一半的诊断时间意味着什么

),题为“深度学习辅助对转移性乳腺癌淋巴结组织病理学检查的影响”。其中所使用的 AI 算法被称为“LYmph Node Assistant”(下文简称“LYNA”),它可以简单看做是帮助病理学家进行诊断的一种“拼写检查”。 不过,LYNA 在独立运作的情况下实力又如何呢?根据另一项发布在《病理学和检验医学档案期刊》(Archives of Pathology and Laboratory Medicine)的论文“基于人工智能的乳腺癌淋巴结转移检测:对病理学家黑匣子的检测”,在两个用以测试数据集中,LYNA 能够以 99% 的正确率区分出有转移性癌症的载玻片和无转移性癌症的载玻片。 值得业内人士参考
发表于 2018-10-21
谷歌 AI +医疗,实现缩短一半的诊断时间意味着什么

小广播

About Us 关于我们 客户服务 联系方式 器件索引 网站地图 最新更新 手机版

站点相关: 医学成像 家庭消费 监护/遥测 植入式器材 临床设备 通用技术/产品 其他技术 综合资讯

北京市海淀区知春路23号集成电路设计园量子银座1305 电话:(010)82350740 邮编:100191

电子工程世界版权所有 京ICP证060456号 京ICP备10001474号 电信业务审批[2006]字第258号函 京公海网安备110108001534 Copyright © 2005-2018 EEWORLD.com.cn, Inc. All rights reserved
pt type="text/javascript" src="//v3.jiathis.com/code/jia.js?uid=2113614" charset="utf-8">