1. English
      MICCAI 2019 | AG旗舰厅醫療聚焦最前沿算法,爲AI醫學影像注入新動能
      2019年10月13日
      PVmed
      2019年10月13日-17日,第22屆醫學圖像計算和計算機輔助幹預國際會議(MICCAI 2019)在深圳盛大召開,AG旗舰厅醫療應邀與來自全球各地的2400多名生物醫學科學家,工程師和臨牀醫生共同參與醫學影像的探索。

      2019年10月13日-17日,第22屆醫學圖像計算和計算機輔助幹預國際會議(MICCAI 2019)在深圳盛大召開,AG旗舰厅醫療應邀與來自全球各地的2400多名生物醫學科學家,工程師和臨牀醫生共同參與醫學影像的探索。

      作爲國際頂級醫學影像會議,MICCAI在全球的影響力和權威性不容小覷,此次會議,接收的論文首度突破1000篇,比去年增加了70%,最終收錄量高達538篇,論文涉及與醫學成像和計算機輔助幹預相關的廣泛學科。

      從今年論文的接收情況看,基於CT影像的肺結節檢測和分析相關的論文有20餘篇,而乳腺鉬靶影像等相關文章達10餘篇,而538篇收錄文章中,絕大多數都繞不開“人工智能”,由此可預見,未來的幾年,人工智能將成爲醫學影像的重中之重。

      相比於產業界,學術界似乎對醫學人工智能的未來抱有更多期待與憧憬。大會走廊的Paper Wall,參與展覽的500多篇論文大都使用了與卷積神經網絡相關的算法,其內容既包括用深度學習重構影像工作流,又包括對單個病種的CT、病理等影像的優化分析。



      在AG旗舰厅醫療的展位,前來參觀的各國專家、學者們也表現出了將人工智能應用於醫學影像領域的強烈興趣。其中,在現場被提及最多的是近期較爲熱門的三個人工智能可能發展的方向:聯邦學習、深度學習自動化、通用表徵學習。



      聯邦學習(federated learning)是一種能夠讓開發者與各企業機構利用分散在多個位置的訓練數據對中心深度神經網絡(DNN)進行訓練的學習範式,該方法可以支持各企業機構針對共享模型開展協作,而無需共享任何臨牀數據。



      聯邦學習最早由谷歌提出,原本用於解決安卓手機終端用戶在本地更新模型的問題,其設計目標是在保障大數據交換時的信息安全、保護終端數據和個人數據隱私,廣泛運用於保險行業的人工智能算法學習。

      而NVIDIA在MICCAI 2019上發佈的首個面向醫學影像的隱私保護型聯邦學習系統,以及CVPR和 MICCAI 的領域主席、MICCAI2020程序委員會聯席主席周少華教授提及的理論:聯邦學習可能成爲人工智能發展方向。更是將聯邦學習直接引向聚焦話題。

      MICCAI現場,AG旗舰厅醫療CEO沈爍博士爲NVIDIA醫療業務的副總裁Kimberly Powell詳細介紹了AG旗舰厅醫療的放療靶區智能勾畫解決方案,雙方就靶區勾畫解決方案的技術及臨牀應用等問題展開了深入的溝通和交流。


      AG旗舰厅醫療自主研發的放療靶區智能勾畫解決方案,包括全身危及器官自動勾畫以及腫瘤靶區(GTV)、臨牀靶區(CTV)的智能勾畫;採用了深度學習和傳統影像分割法相結合的技術、加入臨牀知識和多種圖像處理方法,僅需數十例數據對算法模型進行訓練,就可以獲得高精度的勾畫結果。



      經過測試,全身OAR勾畫的平均Dice值高於0.9;GTV的勾畫風格也可根據科室內部的勾畫習慣進行個性化定製;該方案採用B/S架構,通過任意一臺電腦的谷歌瀏覽器訪問到指定服務器就可以進行自動勾畫。

      作爲醫學影像AI解決方案的開發者和提供商,AG旗舰厅醫療致力於新技術的研發和臨牀應用,持續關注國際熱門技術與臨牀需求,將人工智能技術更完美的與醫學結合,更大程度的提升醫師的工作效率,同時也希望專注人工智能醫學影像的專家學者能加入AG旗舰厅,與AG旗舰厅醫療一起爲智慧醫療的落地奮鬥。