色哟哟视频在线观看-色哟哟视频在线-色哟哟欧美15最新在线-色哟哟免费在线观看-国产l精品国产亚洲区在线观看-国产l精品国产亚洲区久久

0
  • 聊天消息
  • 系統消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發帖/加入社區
會員中心
創作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內不再提示

騰訊提出器官神經網絡 全自動輔助頭頸放療規劃

mK5P_AItists ? 來源:未知 ? 作者:胡薇 ? 2018-11-19 16:41 ? 次閱讀

騰訊醫療AI實驗室又有新研究。這次跟美國加州大學合作,在國際權威期刊《Medical Physics》發表最新研究成果:《器官神經網絡深度學習用于快速和全自動整體頭頸危及器官靶區勾畫》。

該研究成果能讓AI在頭頸等重要器官的放射治療規劃中,發揮精準規劃作用,最大限度將放射劑量集中在靶區內,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生,可以提升診療規劃效率,降低勾勒時長,還能提升勾畫準確率。

可以說是患者福音,醫生益友。

基于深度學習的放療靶區自動勾畫

這個研究是這樣的:

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,解剖關系復雜,如果在治療前未仔細隔離,放療時周圍組織可能會嚴重受損。

在頭頸癌放療過程中,醫生根據患者CT圖像手動描繪放療靶區和危及器官(Organ at Risk,OaR),目的是最大限度將放射劑量集中在靶區內,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,降低診療效率的同時,更是耽誤了患者的治療時間。

若能讓AI幫助分割過程,輔助放療規劃,肯定能協助醫生、幫助患者。

于是圍繞該問題,騰訊醫療AI實驗室和加州大學提出一種深度學習模型——器官神經網絡(AnatomyNet)。

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

器官神經網絡的輸入是頭頸CT圖像的所有切片。該神經網絡可以一次性產生所有危及器官的預測結果。

具體構建上,器官神經網絡基于常用的三維U網絡(U-net)架構,但是騰訊AI實驗室在三個重要的方面對其進行了擴展:

1)一種新的在整幅CT圖像上進行自動分割的編碼方式,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殘差結構來進行更好的特征表示學習;

3)一種新的結合Dice損失和Focal損失的損失函數,用來更好地訓練該神經網絡。在深度學習的器官分割中,使用這些技巧解決兩個主要的挑戰:a)小器官的分割(比如,視神經和視交叉)。這些小器官僅僅只有幾個切片。b)對于一些器官結構,數據標注不一致以及標注缺失給訓練造成一些問題。

△器官神經網絡危及器官分割結果

如上圖所示,其中綠色為醫生標注,紅色為器官神經網絡預測結果,黃色表示標注和預測重合,結果顯示高度一致。

從下面的動態圖上,可以更清晰看到器官神經網絡預測和醫生標注的連續過程,其中左邊顯示的是醫生標注,右邊顯示的是器官神經網絡預測結果。

從結果上說:和之前MICCAI競賽中最好的方法相比,器官神經網絡平均提升了3.3%的Dice指標。

器官神經網絡僅僅使用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,不需要很復雜的預處理以及后處理。

這證明,深度學習可以提升器官分割準確率,簡化自動分割器官的流程。

國際權威期刊刊發

騰訊醫療AI實驗室和加州大學的聯合研究成果,首刊于《Medical Physics》,這是是美國醫學物理學家學會(The American Association of Physicists in Medicine,AAPM)的官方期刊。

該研究成果在期刊上發表后,目前已經被多個機構引用。

美國德克薩斯大學MD安德森癌癥中心(MD Anderson Cancer Center)對騰訊醫療AI實驗室的“器官神經網絡”表示關注,并把該研究成果作為中心一項大規模研究的重要部分。

該中心在美國乃至全球皆享譽盛名,多次被評為美國最佳癌癥研究機構,也是公認的全球最好的腫瘤醫院。

此外,論文一經發布,很快被加拿大瑞爾森大學、中國中科院等多家機構學者在其研究報告中被提及和引用,作為最新的研究突破獲得國內外認可。

一旦更多研究機構和人力參與其中,規模化落地速度可能也會加快,實乃人類福音。

騰訊醫療AI實驗室

最后,簡單介紹下騰訊醫療AI實驗室。

這是騰訊專為醫療領域打造的AI實驗室,創建于2017年年底,目前在硅谷、北京、深圳設立了三個分支。

其作為騰訊醫療健康領域眾重要技術驅動,騰訊AI實驗室主要以學術研究層面發力,希望在AI醫學前沿領域取得突破。

實驗室的主要研究方向是基于自然語言理解、醫學知識圖譜、深度學習、醫療影像、貝葉斯網絡、多模態分析等基礎技術構建醫學知識引擎、醫療推理引擎、臨床輔助診斷引擎、問診對話引擎等智能平臺。

更早之前,騰訊醫療AI實驗室已推出帕金森病運動功能智能評估系統,其他主要產品還包括臨床輔助決策支持系統,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技術實現心電圖監測結果的自動判讀和預警等。

今年7月,騰訊醫療AI實驗室還有3篇論文分別被KDD 2018、SIGIR 2018、COLING 2018三個國際頂尖學術會議收錄,論文的主要研究方向為醫療知識圖譜中實體關系的發現和應用。

聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規問題,請聯系本站處理。 舉報投訴
  • 神經網絡
    +關注

    關注

    42

    文章

    4771

    瀏覽量

    100720
  • 醫療
    +關注

    關注

    8

    文章

    1822

    瀏覽量

    58739
  • 騰訊
    +關注

    關注

    7

    文章

    1652

    瀏覽量

    49424

原文標題:騰訊醫療AI新突破:提出器官神經網絡,全自動輔助頭頸放療規劃 | 論文

文章出處:【微信號:AItists,微信公眾號:人工智能學家】歡迎添加關注!文章轉載請注明出處。

收藏 人收藏

    評論

    相關推薦

    卷積神經網絡與傳統神經網絡的比較

    在深度學習領域,神經網絡模型被廣泛應用于各種任務,如圖像識別、自然語言處理和游戲智能等。其中,卷積神經網絡(CNNs)和傳統神經網絡是兩種常見的模型。 1. 結構差異 1.1 傳統神經網絡
    的頭像 發表于 11-15 14:53 ?383次閱讀

    神經網絡辨識模型具有什么特點

    ,可以對未知數據進行預測,具有很好的泛化能力。 自學習能力 :神經網絡通過反向傳播算法等優化算法,可以自動調整網絡參數,實現自學習。 并行處理能力 :神經網絡的計算可以并行進行,提高了
    的頭像 發表于 07-11 11:12 ?453次閱讀

    BP神經網絡和卷積神經網絡的關系

    BP神經網絡(Backpropagation Neural Network)和卷積神經網絡(Convolutional Neural Network,簡稱CNN)是兩種在人工智能和機器學習領域
    的頭像 發表于 07-10 15:24 ?1445次閱讀

    BP神經網絡和人工神經網絡的區別

    BP神經網絡和人工神經網絡(Artificial Neural Networks,簡稱ANNs)之間的關系與區別,是神經網絡領域中一個基礎且重要的話題。本文將從定義、結構、算法、應用及未來發展等多個方面,詳細闡述BP
    的頭像 發表于 07-10 15:20 ?1027次閱讀

    rnn是遞歸神經網絡還是循環神經網絡

    RNN(Recurrent Neural Network)是循環神經網絡,而非遞歸神經網絡。循環神經網絡是一種具有時間序列特性的神經網絡,能夠處理序列數據,具有記憶功能。以下是關于循環
    的頭像 發表于 07-05 09:52 ?560次閱讀

    遞歸神經網絡是循環神經網絡

    遞歸神經網絡(Recurrent Neural Network,簡稱RNN)和循環神經網絡(Recurrent Neural Network,簡稱RNN)實際上是同一個概念,只是不同的翻譯方式
    的頭像 發表于 07-04 14:54 ?737次閱讀

    循環神經網絡和卷積神經網絡的區別

    循環神經網絡(Recurrent Neural Network,RNN)和卷積神經網絡(Convolutional Neural Network,CNN)是深度學習領域中兩種非常重要的神經網絡
    的頭像 發表于 07-04 14:24 ?1270次閱讀

    深度神經網絡與基本神經網絡的區別

    在探討深度神經網絡(Deep Neural Networks, DNNs)與基本神經網絡(通常指傳統神經網絡或前向神經網絡)的區別時,我們需要從多個維度進行深入分析。這些維度包括
    的頭像 發表于 07-04 13:20 ?842次閱讀

    bp神經網絡和反向傳播神經網絡區別在哪

    神經網絡在許多領域都有廣泛的應用,如語音識別、圖像識別、自然語言處理等。然而,BP神經網絡也存在一些問題,如容易陷入局部最優解、訓練時間長、對初始權重敏感等。為了解決這些問題,研究者們提出了一些改進的BP
    的頭像 發表于 07-04 09:51 ?423次閱讀

    卷積神經網絡與循環神經網絡的區別

    在深度學習領域,卷積神經網絡(Convolutional Neural Networks, CNN)和循環神經網絡(Recurrent Neural Networks, RNN)是兩種極其重要
    的頭像 發表于 07-03 16:12 ?3201次閱讀

    反向傳播神經網絡和bp神經網絡的區別

    神經網絡在許多領域都有廣泛的應用,如語音識別、圖像識別、自然語言處理等。然而,BP神經網絡也存在一些問題,如容易陷入局部最優解、訓練時間長、對初始權重敏感等。為了解決這些問題,研究者們提出了一些改進的BP
    的頭像 發表于 07-03 11:00 ?791次閱讀

    bp神經網絡是深度神經網絡

    BP神經網絡(Backpropagation Neural Network)是一種常見的前饋神經網絡,它使用反向傳播算法來訓練網絡。雖然BP神經網絡在某些方面與深度
    的頭像 發表于 07-03 10:14 ?830次閱讀

    bp神經網絡和卷積神經網絡區別是什么

    BP神經網絡(Backpropagation Neural Network)和卷積神經網絡(Convolutional Neural Network,簡稱CNN)是兩種不同類型的人工神經網絡,它們在
    的頭像 發表于 07-03 10:12 ?1162次閱讀

    卷積神經網絡和bp神經網絡的區別

    卷積神經網絡(Convolutional Neural Networks,簡稱CNN)和BP神經網絡(Backpropagation Neural Networks,簡稱BPNN)是兩種
    的頭像 發表于 07-02 14:24 ?3685次閱讀

    神經網絡架構有哪些

    神經網絡架構是機器學習領域中的核心組成部分,它們模仿了生物神經網絡的運作方式,通過復雜的網絡結構實現信息的處理、存儲和傳遞。隨著深度學習技術的不斷發展,各種神經網絡架構被
    的頭像 發表于 07-01 14:16 ?695次閱讀
    主站蜘蛛池模板: 一边吃奶一边添P好爽故事| 蜜芽在线影片| 久久女婷五月综合色啪| 欧美视频 亚洲视频| 神马伦理2019影院不卡片| 亚洲AV午夜精品麻豆AV| 973午夜伦伦电影论片| 成都电影免费中文高清| 国产成人免费片在线观看| 久久综合九色综合国产| 欧美最新色p图| 亚洲国产女人aaa毛片在线| 果冻传媒2021一二三区| 快播电影网站大全| 欧美三级黄色大片| 亚洲国产精品无码中文字幕| 在线视频中文字幕| 国产1769一七六九视频在线| 久久AAAA片一区二区| 內射XXX韩国在线观看| 性色AV一区二区三区V视界影院| 在线观看免费毛片| CHINA末成年VIDEO学生| 国产亚洲精品成人AV久久| 啦啦啦视频在线观看WWW| 日本无卡无吗在线| 野花日本大全免费观看3中文版| qvod电影网| 538视频这里只有精品| 全免费a级毛片免费看| 亚洲色婷婷久久精品AV蜜桃久久| 99久久免费只有精品| 黑吊大战白xxxxxx| 色偷偷综合网| 99视频免费观看| 久久精品国产免费播放| 忘忧草在线影院www日本| 99久久爱看免费观看| 精品国产国偷自产在线观看| 丝袜美女被啪啪不带套漫画| av淘宝 在线观看|