【ITBEAR科技資訊】5月9日消息，據阿里達摩院透露，該院醫療AI團隊的一篇論文已被計算機視覺國際頂會CVPR 2023評為Highlight，這篇論文提出了一種全新的醫學圖像語義分割框架，能夠解決視覺領域的OOD難題，讓AI更加準確地識別罕見腫瘤。
這篇名為《Devil is in the Queries: Advancing Mask Transformers for Real-world Medical Image Segmentation and Out-of-Distribution Localization》的論文聚焦于醫學影像分割任務。AI已經可以從CT等醫學影像中分割出疑似病灶，幫助醫生判斷是否存在病變。但由于現有的監督學習方法存在先天缺陷，嚴重依賴于數據的收集和標注，一旦遇到長尾問題，AI的識別準確度就會大幅下降，這就是著名的OOD難題。在醫學影像領域，這個問題表現為各種各樣的疑難雜癥、罕見病，容易讓AI犯錯。為了解決這個難題，達摩院醫療AI團隊提出了一個全新的醫學圖像語義分割框架MaxQuery。
據ITBEAR科技資訊了解，MaxQuery框架不僅能夠準確分割和識別常見腫瘤等分布內目標，還能夠利用Mask Transformers的聚類特性來定位罕見腫瘤等OOD目標。具體來說，由于框架自帶的聚類機制，分布內目標會在特征空間被映射到距離聚類中心近的點，而OOD目標則相反。此外，團隊還提出了Query Distribution Loss(QD損失函數)，加強了聚類分配的多樣性，既能提升分布內目標分割的精度，又能提高OOD腫瘤的分割和識別的準確性。
為了驗證新方法的準確性，研究團隊構建了胰腺腫瘤全病種和肝臟腫瘤全病種兩個醫療影像的數據集，包括1088名患者的連續對比的增強CT影像。實驗證明，新方法顯著提了OOD定位能力，在最重要的AUPR指標上平均提升14.69%; 在常見腫瘤分割性能上，新方法較業界標桿nnUNet提升了5.27%。也就是說，達摩院的新方法能夠更準確地識別胰腺和肝臟中的常見腫瘤和罕見腫瘤。
OOD難題一直是醫學AI的一大挑戰。達摩院醫療AI團隊負責人呂樂表示，該論文不僅提出了一個通用又簡單的全新計算框架，而且在定量結果上有顯著提升，為臨床應用打下堅實基礎，有望真正幫助到醫生和病人。據悉，達摩院醫療AI團隊正在研發精準癌癥診療AI影像系統，包括規模篩查、精準診斷、預后治療、響應評估等全流程的癌癥診療技術，覆蓋多個重要病種。該團隊長期致力于醫學影像等方向研究，曾在疫情初期研發出CT影像新冠肺炎AI輔助診斷系統，被科技部評為全國科技抗疫先進集體。
