Zhao Di, Çin Bilimler Akademisi: Derin Öğrenmenin Dört Ultrason Görüntüsünde Uygulanması
Leifeng.com AI Nuggets "Future Medical Lecture-Medical Imaging Special" özet makalesi: yalnızca tıbbi AI uygulayıcıları, görüntüleme doktorları, ünlü okulların öğretmenleri ve öğrencileri ve CFDA personeli için bir dizi kurs.
Not: 90 dakikalık videoda çok fazla bilgi vardır ve metin buzdağının yalnızca görünen kısmıdır. Videonun tam sürümünü izlemeniz şiddetle tavsiye edilir. Lütfen şu bağlantıyı tıklayın:
Profesör Zhao Di, ekibin dört ana insan hastalığının (brakiyal pleksus, eklemler, göğüs ve yağlı karaciğer) görüntülenmesinde derin öğrenme teknolojisinin en son uygulamasından elde ettiği araştırma sonuçlarını paylaştı.
Tıbbi görüntüleme çok popüler bir alandır. Ultrason görüntüleme, yalnızca ultrason cihazlarının minyatürleştirilmesi değil, aynı zamanda mobil bilgi işlem ve bulut bilgi işlemle birleştirilebilir.Bu durumda, uygulama senaryoları büyük ölçüde genişletilecektir.
Dr.Zhao Di kurs sırasında bahsetti Özellik vurgusu Makine öğrenimi kavramı, özellik mühendisliği seçimi yapmak ve ardından ilgili algoritma eğitimini yürütmektir. Özellik vurgusunun belirli özellikleri seçmesine gerek yoktur.Araştırmacılar, daha doğru tespit sonuçları elde etmek için özelliğin belirli bir bölümünü vurgulayabilir. Bu konsept, özellikle tıbbi görüntü analizinde, sonraki derin öğrenme algoritmalarının tasarımı üzerinde çok iyi bir etkiye sahiptir.
Misafir tanıtımı
Zhao Di: Bilgisayar Ağı Bilgi Merkezi (CNIC), Çin Bilimler Akademisi, Yüz Yetenek Programı, yardımcı araştırmacı
Çin Bilimler Akademisi Bilgisayar Ağı Bilgi Merkezi'nden "Yüz Yetenek Programı" ndan Dr. Zhao Di Louisiana Tech Üniversitesi'nden mezun oldu ve Columbia Üniversitesi ve OSU'da doktora sonrası araştırmalar yaptı ve yapay zekanın tıbbi uygulamalarında on yıldan fazla çalıştı. Zhao Di ve NVIDIA liderliğindeki beyin bilimi bilgi işlem araştırma grubu, "GPU Eğitim Merkezi" ve "Akıllı Tıbbi Ortak Laboratuvarı" nı kurdu.
Ekip, tipik insan hastalıklarının erken teşhisi ve tedavisi üzerine araştırmalar yaptı, çok sayıda çözüm önerdi ve bir dizi sonuç elde etti. Pekin'de ve hatta tüm ülkede yaşlanan nüfus sorununa yanıt olarak Bay Zhao Di, Alzheimer hastalığının erken teşhisi konusunda Çin'deki tıbbi alan bilgisi ve derin öğrenmeye dayalı araştırmaların yürütülmesinde başı çekmek için Capital Medical University Tiantan Hastanesi ve Xuanwu Hastanesi ile işbirliği yaptı ve Pekin'i üstlendi Belediye Doğa Bilimleri Vakfı ve Pekin Belediyesi Bilim ve Teknoloji Büyük Özel Projeleri ve diğer konulardan önemli projeler.
Aynı zamanda araştırma grubu, HIV'in neden olduğu bilişsel bozukluk, vasküler bilişsel bozukluk, akciğer kanseri taraması, karotis ultrasonu tanıma, prostat kanseri akıllı teşhisi ve şeker ağı tanımlama gibi derinlemesine alanlar geliştirmek için bir düzineden fazla yerel hastane ile işbirliği yaptı. Araştırma yapın ve bir dizi olağanüstü sonuç elde edin.
Kurs içeriği:
-
Tıbbi görüntü analizinde derin öğrenme nasıl uygulanır?
-
Derin öğrenmeye dayalı brakiyal pleksus tanıma
-
Derin öğrenmeye dayalı eklemlerin akıllıca tanınması
-
Derin öğrenmeye dayalı meme ultrason görüntü analizi
-
Derin öğrenmeye dayalı yağlı karaciğer ultrason görüntü analizi
Aşağıdaki içerik Dr.Zhao Di'nin kursundan alınmıştır.
Segnet tabanlı brakiyal pleksus tespiti
Lei Feng.com AI Nuggets, ameliyatın günlük tıbbi süreçte vazgeçilmez bir tedavi yöntemi haline geldiğini öğrendi, ancak bununla birlikte özellikle ameliyat sırasında ve sonrasında hastalara büyük fiziksel ve zihinsel travma getirdiğini öğrendi. Hemşirelik sırasında ağrı, hastalar üzerinde büyük bir zihinsel baskı oluşturur.
Bu nedenle ameliyat sırasında ve sonrasında ağrının giderilmesi için çeşitli anestezi yöntemleri günümüzde analjezi için yaygın olarak kullanılmaktadır. Ancak bu kaçınılmaz olarak yan etkilere, özellikle anestetiklerin sinir sistemine zarar vermesine neden olacaktır.Bu nedenle anestezi etkisini iyileştirmek ve kullanılan anestezik miktarını azaltmak için lokal anestezide enjeksiyon yerinin doğruluğu anahtar olur. Ultrason ekipmanının modern tıbbi testlerde geniş bir uygulama alanı vardır ve başlıca avantajları şunlardır: Bok, Kaka Taşınması kolay; non-invaziv; düşük fiyat; radyasyon yok. Ancak ultrasonun dezavantajları da vardır: çözünürlük BT'den daha zayıftır; muayene sonuçları doktorun düzeyinden kolayca etkilenir.
Zhao Di, brakiyal pleksus bloğunun üst ekstremite cerrahisi ve postoperatif bakım sırasında yaygın olarak kullanılan bir lokal anestezi yöntemi olduğunu söyledi Brakiyal pleksusun konumunu doğru bir şekilde belirlemek için, artık sinir sistemini tespit etmek ve bulmak için ultrason ekipmanı yaygın olarak kullanılmaktadır.
Brakiyal pleksusun ultrason görüntüsü sinir yapısını ve konumunu belirlemek için önemli bir kaynak olduğundan, ultrason görüntü tanımanın doğruluğu enjeksiyon iğnelerinin veya kalıcı kateterlerin müdahalesini doğrudan etkilerken, geleneksel ultrason görüntü tanıma doktorların veya hemşirelerin deneyimlerine dayanmaktadır, bu nedenle müdahalenin doğruluğu Faktörler etkiliyor.
Dr. Zhao Dinin ekibi, bilgisayarın doktorları simüle etmesini ve doktorlardan öğrenmesini sağlamak için doğrudan "insanları" simüle ederek işe başladı, insan beyninin mekanizmasını ve görsel sistemi simüle ederek, tedavi sırasında doktorlardan gelen soruları laboratuvar sonuçları, muayene ve Tanı sonuçları gibi bilgiler bilgisayara aktarılır.
İnsan faktörlerinden etkilenen girişimsel doğruluk sorununu hedefleyen Dr.Zhao Di ekibi, kolu eğitmek için kullanılan Derin Öğrenmede (DL) Konvolüsyonel Sinir Ağı (CNN) mimarisine dayanan gelişmiş bir SegNet modeli önerdi. Pleksus ultrason görüntü verileri, brakiyal pleksus sinir dokusunun özelliklerini öğrenin ve brakiyal pleksus sinir dokusunun otomatik tespiti ve segmentasyonunu gerçekleştirin.
Dedi Segnet'in avantajı, segmentasyon doğruluğunun nispeten yüksek olmasıdır ve anestezi cerrahisine ve hatta teletıpa yardımcı olabilir.Dezavantaj, hesaplamanın nispeten büyük olması ve yüksek performanslı ekipman desteği gerektirmesidir.
Ek olarak, Dr. Zhao Dinin ekibi tarafından Segnet tabanlı brakiyal pleksus tespitinin eğitim doğruluğu, brakiyal pleksus ultrason görüntü analizi için temel olarak klinik ihtiyaçları karşılayan% 96'ya ulaşabilir.
Model değerlendirmesi için eğitim verilerinin doğruluğunu karşılaştırmak üzere çıplak gözle kullanmaktan kaçınmak için, model eğitimi tamamlandıktan sonra Zhao Di'nin ekibi test verilerini modele gönderir ve ardından deney sonuçlarını karşılaştırmak ve değerlendirmek için test sonuçlarını Kaggle web sitesine yükler. Kaggle web sitesi Zar katsayısı, görüntü segmentasyon sonucu ile orijinal etiket verileri arasındaki benzerliği değerlendirmek için kullanılır.
Görüntü ön işlemeye dayalı brakiyal pleksus algılama performansının iyileştirilmesi
Önceki araştırmalara dayanarak, Dr. Zhao Dinin ekibi ayrıca bir sınır geliştirme etkisi elde etmek için görüntüyü önceden işlemden geçirdi ve böylece brakiyal pleksus saptama performansını daha da iyileştirdi.
İyi bir ön işleme yöntemi seçmek, spesifik tespit hedefinin gizli gereksinimleri için çok önemlidir Brakiyal pleksusu ultrason görüntüsünden ayırmak, sınırın kavranmasına daha fazla önem verir.
Brakiyal pleksus görüntüsü iki kez geliştirilebildikten sonra, segmentasyon için Segnet kullanmak algılama doğruluğunu daha da artırabilir ve hata oranını azaltabilir.
Ayrıca araştırma sonuçlarının ultrason makinesindeki pratik uygulamasını da paylaştı. Laboratuvar ortamının aksine, ultrason makinesinin hesaplama gücü sınırlıdır. Ultrason tarama yüzeyi, brakiyal pleksusun standart yüzeyine yakın olduğunda, olasılık haritası gerçek duruma daha yakındır.
Veri kümesinin yetersiz boyutu ve tespit vücut pozisyonundaki değişiklikler nedeniyle, ultrason makinesinin gerçek çalışması sırasında çok fazla yanlış pozitif teşhis vardır.
Zhao Di, gerçek makine üzerinde iyi bir işleme etkisine sahip olmak için, gri tonlama dağılımının eğitim verilerine nispeten yakın olmasını sağlamak için ön işlemenin artırılması gerektiğini söyledi.
Artık ultrason sürekli olduğu için, vücut öğelerinin değerlendirme göstergelerinin gerçek zamanlı olarak güncellenmesi gerekiyor. Algılama modelinin doğruluğu ve hızı üzerinde nasıl daha ideal bir etki elde edileceği daha fazla araştırmayı gerektirir.
Meme nodülleri / meme kanseri
Daha sonra Dr. Zhao Di ayrıca meme nodüllerinin taranması ve diğer yönlerden bahsetti.
Yurt içi ve yurt dışında temel araştırma yöntemleri, doku özelliğine dayalı tespit yöntemi ve morfolojiye dayalı tespit yöntemidir. Doku özelliğine dayalı tespit yöntemi, merkezi momentler ve entropi gibi doku özelliklerini çıkararak iyi huylu ve kötü huylu tümörleri tanımlamak için mevcut sınıflandırıcıyı kullanmaktır; morfolojiye dayalı tespit yöntemi, tümörü yarı otomatik olarak segmentlere ayırmak ve meme kanseri tanısını derecelendirmek için tümör özelliklerini çıkarmaktır.
Ancak yine de iki sorun vardır: 1. Tümörün özel şekli ve performansı dikkate alınmamaktadır 2. Segmentasyon etkisi aşırı derecede bağımlıdır ve öznitelik çıkarımı eksik veya yetersizdir.
Nodülleri tanımlama hedefine ulaşmak için Dr. Zhao'nun ekibi, hastaneden elde edilen verileri ağa karşı koymak için ve veri büyütme elde etmek için diğer yöntemleri kullandı. Alexnet üzerinde eğitim almak için doğrusal kontrast germe, doğrusal olmayan germe, histogram eşitleme ve diğer sınır geliştirme yöntemlerini kullanın.
Bu birkaç ön işleme yönteminden sonra, doğruluk önemli ölçüde geliştirildi. Dr. Zhao, sonuçların daha da iyileştirilebilmesi için daha fazla klinik veriyi analiz etmeyi ve karşı ağların tasarımı da dahil olmak üzere görüntü ön işleme yöntemlerini keşfetmeye devam etmeyi umduğunu söyledi.
Kursta, Dr. Zhao Di ayrıca özellik iyileştirme ve derin öğrenme teknolojisi ile eklemler üzerinde bir dizi çalışma elde etmek için yağlı karaciğer dokusu özelliklerini önceden işlemek için makine öğreniminin kullanımını öğretti. "Brakiyal pleksus gibi yağlı karaciğerin ultrasonla saptanmasında daha yüksek doğruluk elde edebilirsek, mobil ultrason ekipmanıyla birleştirilebilirse, büyük bir değeri olacaktır."
Ön işleme yoluyla tespit doğruluğunun etkili bir şekilde geliştirilebileceğini, bu çalışmanın çok önemli ve gerekli olduğunu söyledi. Özellikle ultrason görüntülemenin teknik sorunları vardır ve bu da algoritma tasarımcıları için pek çok zorluk çıkarmaktadır.
Katılımcıların soruları
Leifeng.com AI Nuggets'ın çevrimiçi canlı yayınının ardından, kursiyerler farklı boyutlardan 25 soru sordular ve Dr. Zhao Di sabırla soruların çoğunu yanıtladı.
sorun :
1. Tıbbi görüntülemeye derin öğrenme uygulanıyorsa, verilerin ön / son işlemesi model oluşturmadan daha mı önemlidir? Küçük örnekler ve dengesiz kategorilere sahip verilerle nasıl başa çıkılır?
2. Piyasada görüntü analizi için en umut verici yönün hangi üç hastalık türü olduğunu düşünüyorsunuz?
3. Sınır nasıl genişletilir?
4. Arka planla karşılaştırıldığında, tıbbi görüntülerdeki bazı bölümleme hedefleri çok azdır Tıbbi görüntülerde pozitif ve negatif numuneler arasındaki dengesizlik sorunu nasıl çözülür?
5. Segmentasyon alanı etiketlemesinin çok doğru olmadığı durumlar için iyi bir çözüm var mı?
6. Beyin tümörü segmentasyonu için kullanılan MRI görüntüleri için daha iyi görüntü ön işleme yöntemi nedir?
...
Ayrıntılı içerik ve harika Soru-Cevap için lütfen bağlantıya tıklayın : Http://www.mooc.ai/open/course/359
