当前位置:首页 > 业务领域
【亚博代理提成高】腾讯优图推出卷积神经网络深度学习算法模型
时间:2021-02-21 来源:亚博代理提成秒到账 浏览量 89497 次
本文摘要:腾讯优图实验室领导广东省肺癌研究所吴一龙教授/钟文昭教授团队,与清华大学和国内多个中心呼吸科/放射科团队等共同开发了基于卷积神经网络算法的肺结节诊断模型,最近该可行性研究成果已被世界癌症领域着名医学期刊《肿瘤学家》(《TheOncologist》)收录,全文公开发表。

亚博代理提成高

腾讯优图实验室领导广东省肺癌研究所吴一龙教授/钟文昭教授团队,与清华大学和国内多个中心呼吸科/放射科团队等共同开发了基于卷积神经网络算法的肺结节诊断模型,最近该可行性研究成果已被世界癌症领域着名医学期刊《肿瘤学家》(《TheOncologist》)收录,全文公开发表。随着低剂量螺旋CT(LDCT)的普及,检测出更多肺结节,患者寻求早期临床,早期手术临床治愈率越高。但是,以CT为筛选手段的假阳性率还不高(也就是说,CT发现的结节可能不一定是恶性的,也可能是惰性的成长肿瘤),急剧增加的CT分析工作也占据了放射科医生受到限制的工作时间和能源。近年来,机械学习算法在医疗领域大展拳脚(糖尿病视网膜恶性肿瘤/皮肤病/甲状腺结节等),基于卷积神经网络算法(机械学习算法类)的肺结节诊断模式将来解决问题。

本次腾讯优图引领吴一龙教授/钟文昭教授团队和多个中心等发售的基于卷积神经网络算法的肺结节诊断模型,将来在帮助医生提高结节检测率的同时,考虑到丰恶性临床精度,大幅度降低放射科医生的日常CT加载量腾讯作为寻找电影核心AI技术的获得者,腾讯优图实验室通过腾讯继续寻找电影,与更好的医院和医疗机构合作,技术确实应用于落地。目前,腾讯电影已与国内一流三级医院达成协议,共同进行AI医疗领域的研究和应用。另外,与腾讯云的服务器相结合,腾讯优图没有开展数亿规模的模型训练和合作终端,确保技术着陆获得有力的服务。未来,AI医学未来将推进各级医疗系统诊断同质化,减少医生工作量,提高临床精度和效率,发挥更大的作用。

详细研究内容如下:一、分析步骤:预处理模块:从CT切片中分离包括肺在内的组织图像区域,门槛0HU除去相关组织(骨和软组织),然后用于适应门槛图像分割方法,修复3维图像标准化的切片厚度和分辨率结节临床模块:创建3D肺结节检测网获得修复图像的3D特征在Pythorch平台上分两步训练CNN(卷积神经网)模型,a、a、(结节检测网),输出信息包括图像和适当方向的选择信息b,根据第一步的检测网络参数初始化结节临床网络,对输入图像和临床结果进行微调。输出模块:在结节临床网络计算出所有结节的恶性评价后,融合其开展,得出结论的最后图像级恶性评价。融合图片级恶性肿瘤评分可按官方Pf=1、(1、pp1)(1、p2)…计算。(1PPN),其中p表示结节恶性的概率,n表示结节的数量。

二、研究结果:首先,用于LUNA16和Kaggle数据对模型练模型,收集广东省人民医院呼吸科放射科、中山大学附属第三医院放射科、佛山市第一人民医院放射科和广州市胸科医院放射科多中心数据实施模型训练和检查。基于多中心影像数据培训后的模式临床敏感性和特异性分别超过84.4%和83.0%,AUC为0.855%。同时,随着训练图像样本量的减少,可以仔细观察整个模型的灵敏度、特异度和AUC的减少。

亚博代理提成高

同时,我们将该模型算法与Kaggle比赛的第一位算法(Kaggle模型)展开基于第三方影像数据的比较,基于0.757的特异度水平,该模型的敏感性为0.752,Kaggle模型为0.661(闻图4A),AUC分别为0.803和0.767。对结节直径大小展开亚组分析(0-10mm,10-20mm,20-30mm),可以看出三个亚组之间没有明显的统计学差异,注意该模型的早期微结节具有较高的临床精度。另外,模型对腺癌的临床精度最低超过85.7%,可能是因为整体腺癌占比较低的数据偏差。另外,我们同时根据展望收集的50例肺结节CT进行了人机比较,与医生队伍、实际训练模型、训练后模型和Kaggle第一模型算法的临床效力相比,实际训练模型与医生队伍的评价结果相似,与Kagggle的第一算法相比具有更高的准确性,该训练后模型在灵敏度(96.0%)、特异度(88.0%)准确度(92.0%)相比三、结论与讨论:在该研究中,深度自学算法应用于肺结节临床检查和临床可行性检查,特别是该模型在结节检查和分类能力方面具有优势。

另外,通过与实际的人工检查队伍相比,Kaggle排名第一的算法,模型使用的CNN算法在结节分类能力上也表现得非常好。与没有用于真实世界数据或病理结果对模型开展了解检测的研究不同,研究用于改进的深度神经网络和具备病理金标准标签的大数据集(855例),对基于深度自学的模型的应用开展了优化,推进到现实医疗环境中,使其敏感性和特异性超过84.4%和83.0%,最大限度地减少了假阳性和假阴性的结果。另外,亚组分析显示,微结节的检测效率(0-10mm)与一般结节(10-30mm)具有相同的临床效力。

同时,该模型的临床能力也比以往报道的计算机辅助结节检测工具具有更高的灵敏度和特异度,同时该模型随着数据的减少,可以进一步优化其临床识别性能。当然,该研究也不存在一定的严重不足。与以往的研究相比,该研究入组的肺结节是临床临床初期肺结节,不是来自筛选队列的数据,而是不能更现实地表现该模型在初期筛选中应用于实际性能,其次,进展缓慢的初期结节不能很好地区分开来,多次访问影像资料的投入有可能更好地对初期筛选患者进行分层和指导,并且该模型投入的数据量比其他机器的学习样本量少,必须在更大的样本量队列中进行进一步检查。

该研究基于深度自学算法的模型明显提高了早期肺癌检查和临床敏感性和特异性,其临床效力优于经验丰富的专业医生队伍,表明今后应用于该模型算法辅助临床医生日常肺影像临床的可行性,同时提高了早期结节检查率和诊断率。


本文关键词:亚博代理提成高,亚博代理提成秒到账

本文来源:亚博代理提成高-www.dawnapproaches.com

版权所有温州市亚博代理提成高有限公司 浙ICP备64693750号-8

公司地址: 浙江省温州市千阳县国程大楼25号 联系电话:049-18651287

Copyright © 2018 Corporation,All Rights Reserved.

熊猫生活志熊猫生活志微信公众号
成都鑫华成都鑫华微信公众号