【ITBEAR科技資訊】5月9日消息,據(jù)阿里達(dá)摩院透露,該院醫(yī)療AI團(tuán)隊(duì)的一篇論文已被計(jì)算機(jī)視覺(jué)國(guó)際頂會(huì)CVPR 2023評(píng)為Highlight,這篇論文提出了一種全新的醫(yī)學(xué)圖像語(yǔ)義分割框架,能夠解決視覺(jué)領(lǐng)域的OOD難題,讓AI更加準(zhǔn)確地識(shí)別罕見(jiàn)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(yī)學(xué)影像分割任務(wù)。AI已經(jīng)可以從CT等醫(yī)學(xué)影像中分割出疑似病灶,幫助醫(yī)生判斷是否存在病變。但由于現(xiàn)有的監(jiān)督學(xué)習(xí)方法存在先天缺陷,嚴(yán)重依賴于數(shù)據(jù)的收集和標(biāo)注,一旦遇到長(zhǎng)尾問(wèn)題,AI的識(shí)別準(zhǔn)確度就會(huì)大幅下降,這就是著名的OOD難題。在醫(yī)學(xué)影像領(lǐng)域,這個(gè)問(wèn)題表現(xiàn)為各種各樣的疑難雜癥、罕見(jiàn)病,容易讓AI犯錯(cuò)。為了解決這個(gè)難題,達(dá)摩院醫(yī)療AI團(tuán)隊(duì)提出了一個(gè)全新的醫(yī)學(xué)圖像語(yǔ)義分割框架MaxQuery。
據(jù)ITBEAR科技資訊了解,MaxQuery框架不僅能夠準(zhǔn)確分割和識(shí)別常見(jiàn)腫瘤等分布內(nèi)目標(biāo),還能夠利用Mask Transformers的聚類特性來(lái)定位罕見(jiàn)腫瘤等OOD目標(biāo)。具體來(lái)說(shuō),由于框架自帶的聚類機(jī)制,分布內(nèi)目標(biāo)會(huì)在特征空間被映射到距離聚類中心近的點(diǎn),而OOD目標(biāo)則相反。此外,團(tuán)隊(duì)還提出了Query Distribution Loss(QD損失函數(shù)),加強(qiáng)了聚類分配的多樣性,既能提升分布內(nèi)目標(biāo)分割的精度,又能提高OOD腫瘤的分割和識(shí)別的準(zhǔn)確性。
為了驗(yàn)證新方法的準(zhǔn)確性,研究團(tuán)隊(duì)構(gòu)建了胰腺腫瘤全病種和肝臟腫瘤全病種兩個(gè)醫(yī)療影像的數(shù)據(jù)集,包括1088名患者的連續(xù)對(duì)比的增強(qiáng)CT影像。實(shí)驗(yàn)證明,新方法顯著提了OOD定位能力,在最重要的AUPR指標(biāo)上平均提升14.69%; 在常見(jiàn)腫瘤分割性能上,新方法較業(yè)界標(biāo)桿nnUNet提升了5.27%。也就是說(shuō),達(dá)摩院的新方法能夠更準(zhǔn)確地識(shí)別胰腺和肝臟中的常見(jiàn)腫瘤和罕見(jiàn)腫瘤。
OOD難題一直是醫(yī)學(xué)AI的一大挑戰(zhàn)。達(dá)摩院醫(yī)療AI團(tuán)隊(duì)負(fù)責(zé)人呂樂(lè)表示,該論文不僅提出了一個(gè)通用又簡(jiǎn)單的全新計(jì)算框架,而且在定量結(jié)果上有顯著提升,為臨床應(yīng)用打下堅(jiān)實(shí)基礎(chǔ),有望真正幫助到醫(yī)生和病人。據(jù)悉,達(dá)摩院醫(yī)療AI團(tuán)隊(duì)正在研發(fā)精準(zhǔn)癌癥診療AI影像系統(tǒng),包括規(guī)模篩查、精準(zhǔn)診斷、預(yù)后治療、響應(yīng)評(píng)估等全流程的癌癥診療技術(shù),覆蓋多個(gè)重要病種。該團(tuán)隊(duì)長(zhǎng)期致力于醫(yī)學(xué)影像等方向研究,曾在疫情初期研發(fā)出CT影像新冠肺炎AI輔助診斷系統(tǒng),被科技部評(píng)為全國(guó)科技抗疫先進(jìn)集體。