騰訊醫(yī)療AI實(shí)驗(yàn)室又有新研究。這次跟美國(guó)加州大學(xué)合作，在國(guó)際權(quán)威期刊《Medical Physics》發(fā)表最新研究成果：《器官神經(jīng)網(wǎng)絡(luò)：深度學(xué)習(xí)用于快速和全自動(dòng)整體頭頸危及器官靶區(qū)勾畫》。

該研究成果能讓AI在頭頸等重要器官的放射治療規(guī)劃中，發(fā)揮精準(zhǔn)規(guī)劃作用，最大限度將放射劑量集中在靶區(qū)內(nèi)，而周圍正常組織或器官少受或免受不必要的傷害。

比起單純依靠人類醫(yī)生，可以提升診療規(guī)劃效率，降低勾勒時(shí)長(zhǎng)，還能提升勾畫準(zhǔn)確率。

可以說是患者福音，醫(yī)生益友。

基于深度學(xué)習(xí)的放療靶區(qū)自動(dòng)勾畫

這個(gè)研究是這樣的：

每年有超過六十萬人被診斷患有頭頸部癌癥，其中許多人選擇接受放射治療。

但頭頸部重要器官比較集中，解剖關(guān)系復(fù)雜，如果在治療前未仔細(xì)隔離，放療時(shí)周圍組織可能會(huì)嚴(yán)重受損。

在頭頸癌放療過程中，醫(yī)生根據(jù)患者CT圖像手動(dòng)描繪放療靶區(qū)和危及器官（Organ at Risk，OaR），目的是最大限度將放射劑量集中在靶區(qū)內(nèi)，而周圍正常組織或器官少受或免受不必要的傷害。

然而勾勒過程非常耗時(shí)，降低診療效率的同時(shí)，更是耽誤了患者的治療時(shí)間。

若能讓AI幫助分割過程，輔助放療規(guī)劃，肯定能協(xié)助醫(yī)生、幫助患者。

于是圍繞該問題，騰訊醫(yī)療AI實(shí)驗(yàn)室和加州大學(xué)提出一種深度學(xué)習(xí)模型——器官神經(jīng)網(wǎng)絡(luò)（AnatomyNet）。

該模型可以快速地對(duì)整張CT的所有切片進(jìn)行全自動(dòng)化器官分割（Segmentation），在小于1秒鐘的時(shí)間內(nèi)完成一整幅頭頸CT的危及器官勾畫，大幅度提升放療靶區(qū)勾畫效率。

器官神經(jīng)網(wǎng)絡(luò)的輸入是頭頸CT圖像的所有切片。該神經(jīng)網(wǎng)絡(luò)可以一次性產(chǎn)生所有危及器官的預(yù)測(cè)結(jié)果。

具體構(gòu)建上，器官神經(jīng)網(wǎng)絡(luò)基于常用的三維U網(wǎng)絡(luò)（U-net）架構(gòu)，但是騰訊AI實(shí)驗(yàn)室在三個(gè)重要的方面對(duì)其進(jìn)行了擴(kuò)展：

1）一種新的在整幅CT圖像上進(jìn)行自動(dòng)分割的編碼方式，而不是在局部圖像塊上，或者一部分CT圖像切片上分割；

2）在編碼層中，加入三維Squeeze-and-Excitation殘差結(jié)構(gòu)來進(jìn)行更好的特征表示學(xué)習(xí)；

3）一種新的結(jié)合Dice損失和Focal損失的損失函數(shù)，用來更好地訓(xùn)練該神經(jīng)網(wǎng)絡(luò)。在深度學(xué)習(xí)的器官分割中，使用這些技巧解決兩個(gè)主要的挑戰(zhàn)：a）小器官的分割（比如，視神經(jīng)和視交叉）。這些小器官僅僅只有幾個(gè)切片。b）對(duì)于一些器官結(jié)構(gòu)，數(shù)據(jù)標(biāo)注不一致以及標(biāo)注缺失給訓(xùn)練造成一些問題。

△器官神經(jīng)網(wǎng)絡(luò)危及器官分割結(jié)果

如上圖所示，其中綠色為醫(yī)生標(biāo)注，紅色為器官神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)結(jié)果，黃色表示標(biāo)注和預(yù)測(cè)重合，結(jié)果顯示高度一致。

從下面的動(dòng)態(tài)圖上，可以更清晰看到器官神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)和醫(yī)生標(biāo)注的連續(xù)過程，其中左邊顯示的是醫(yī)生標(biāo)注，右邊顯示的是器官神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)結(jié)果。

從結(jié)果上說：和之前MICCAI競(jìng)賽中最好的方法相比，器官神經(jīng)網(wǎng)絡(luò)平均提升了3.3%的Dice指標(biāo)。

器官神經(jīng)網(wǎng)絡(luò)僅僅使用0.12秒就可以完全完成一整幅CT圖像（178×512×512）的分割。

該速度極大地縮短了之前方法所用的時(shí)間（20分鐘以上）。

除此之外，該模型可以處理一整幅包含所有切片的CT圖像，以及一次性勾畫所有的危及器官，不需要很復(fù)雜的預(yù)處理以及后處理。

這證明，深度學(xué)習(xí)可以提升器官分割準(zhǔn)確率，簡(jiǎn)化自動(dòng)分割器官的流程。

國(guó)際權(quán)威期刊刊發(fā)

騰訊醫(yī)療AI實(shí)驗(yàn)室和加州大學(xué)的聯(lián)合研究成果，首刊于《Medical Physics》，這是是美國(guó)醫(yī)學(xué)物理學(xué)家學(xué)會(huì)（The American Association of Physicists in Medicine，AAPM）的官方期刊。

該研究成果在期刊上發(fā)表后，目前已經(jīng)被多個(gè)機(jī)構(gòu)引用。

美國(guó)德克薩斯大學(xué)MD安德森癌癥中心（MD Anderson Cancer Center）對(duì)騰訊醫(yī)療AI實(shí)驗(yàn)室的“器官神經(jīng)網(wǎng)絡(luò)”表示關(guān)注，并把該研究成果作為中心一項(xiàng)大規(guī)模研究的重要部分。

該中心在美國(guó)乃至全球皆享譽(yù)盛名，多次被評(píng)為美國(guó)最佳癌癥研究機(jī)構(gòu)，也是公認(rèn)的全球最好的腫瘤醫(yī)院。

此外，論文一經(jīng)發(fā)布，很快被加拿大瑞爾森大學(xué)、中國(guó)中科院等多家機(jī)構(gòu)學(xué)者在其研究報(bào)告中被提及和引用，作為最新的研究突破獲得國(guó)內(nèi)外認(rèn)可。

一旦更多研究機(jī)構(gòu)和人力參與其中，規(guī)?；涞厮俣瓤赡芤矔?huì)加快，實(shí)乃人類福音。

騰訊醫(yī)療AI實(shí)驗(yàn)室

最后，簡(jiǎn)單介紹下騰訊醫(yī)療AI實(shí)驗(yàn)室。

這是騰訊專為醫(yī)療領(lǐng)域打造的AI實(shí)驗(yàn)室，創(chuàng)建于2017年年底，目前在硅谷、北京、深圳設(shè)立了三個(gè)分支。

其作為騰訊醫(yī)療健康領(lǐng)域眾重要技術(shù)驅(qū)動(dòng)，騰訊AI實(shí)驗(yàn)室主要以學(xué)術(shù)研究層面發(fā)力，希望在AI醫(yī)學(xué)前沿領(lǐng)域取得突破。

實(shí)驗(yàn)室的主要研究方向是基于自然語言理解、醫(yī)學(xué)知識(shí)圖譜、深度學(xué)習(xí)、醫(yī)療影像、貝葉斯網(wǎng)絡(luò)、多模態(tài)分析等基礎(chǔ)技術(shù)構(gòu)建醫(yī)學(xué)知識(shí)引擎、醫(yī)療推理引擎、臨床輔助診斷引擎、問診對(duì)話引擎等智能平臺(tái)。

更早之前，騰訊醫(yī)療AI實(shí)驗(yàn)室已推出帕金森病運(yùn)動(dòng)功能智能評(píng)估系統(tǒng)，其他主要產(chǎn)品還包括臨床輔助決策支持系統(tǒng)，面向腦卒中、急性冠脈綜合癥等高危易誤診疾病提供臨床輔助決策支持，以及心電圖智能分析軟件，利用AI技術(shù)實(shí)現(xiàn)心電圖監(jiān)測(cè)結(jié)果的自動(dòng)判讀和預(yù)警等。

今年7月，騰訊醫(yī)療AI實(shí)驗(yàn)室還有3篇論文分別被KDD 2018、SIGIR 2018、COLING 2018三個(gè)國(guó)際頂尖學(xué)術(shù)會(huì)議收錄，論文的主要研究方向?yàn)獒t(yī)療知識(shí)圖譜中實(shí)體關(guān)系的發(fā)現(xiàn)和應(yīng)用。