0
| 本文作者： 李雨晨 | 2017-12-08 15:48 |
近日，雷鋒網(wǎng)AI掘金志邀請(qǐng)了北京大學(xué)王立威教授，為大家深入講解了《AI醫(yī)學(xué)影像的現(xiàn)狀、機(jī)遇與挑戰(zhàn)》。文字內(nèi)容只是冰山一角，觀看全程視頻課程，請(qǐng)點(diǎn)擊鏈接：http://www.mooc.ai/open/course/339
王立威教授作為首位獲得AI's 10 to Watch獎(jiǎng)的亞洲學(xué)者，同時(shí)也是LUNA和天池AI醫(yī)療大賽冠軍隊(duì)導(dǎo)師，從人工智能研究者的角度出發(fā)，為500多位資深醫(yī)療人工智能人士做了120分鐘的深度分享和學(xué)員互動(dòng)問(wèn)答。
王立威教授指出，只滿足把自己定位于一個(gè)人工智能研究者來(lái)看待醫(yī)學(xué)影像問(wèn)題，將圖像識(shí)別技術(shù)單純地嫁接到醫(yī)學(xué)影像原有的系統(tǒng)上，即便數(shù)字結(jié)果看起來(lái)不錯(cuò)，但距離“好用的產(chǎn)品”依舊非常遙遠(yuǎn)。
嘉賓介紹：
王立威：北京大學(xué)信息科學(xué)技術(shù)學(xué)院教授
王立威教授在機(jī)器學(xué)習(xí)領(lǐng)域發(fā)表論文100余篇，2011年入選人工智能重要國(guó)際獎(jiǎng)項(xiàng)AI's 10 to Watch，是亞洲首位獲得該獎(jiǎng)項(xiàng)的學(xué)者。2012年獲得首屆國(guó)家自然科學(xué)基金優(yōu)秀青年基金；擔(dān)任國(guó)際人工智能權(quán)威會(huì)議NIPS，IJCAI領(lǐng)域主席；中國(guó)計(jì)算機(jī)學(xué)會(huì)人工智能與模式識(shí)別專委會(huì)常委。
我為什么選擇醫(yī)學(xué)影像這條路
重新審視AI這個(gè)工具：我眼中的人工智能與機(jī)器學(xué)習(xí)
當(dāng)前AI醫(yī)學(xué)影像技術(shù)的真實(shí)現(xiàn)狀
實(shí)戰(zhàn)案例詳解：人工智能肺結(jié)節(jié)檢測(cè)與良惡性診斷
經(jīng)驗(yàn)分享：錯(cuò)誤、彎路、失敗、技巧、解決方法
致AI醫(yī)學(xué)影像領(lǐng)域的工作者：我們應(yīng)具備哪些素質(zhì)與技術(shù)
未來(lái)AI醫(yī)學(xué)影像的機(jī)遇與突破點(diǎn)
報(bào)名觀看：掃描文章底部海報(bào)二維碼，關(guān)注公眾號(hào)“AI掘金志”，進(jìn)入后直接回復(fù)關(guān)鍵詞“醫(yī)學(xué)影像”四字預(yù)約課程。
福利：若想進(jìn)入高端成員群與眾多大牛們交流討論，請(qǐng)加小助手小艾微信ID：mooccai，在發(fā)送好友驗(yàn)證框里備注個(gè)人信息（影像+姓名+公司/學(xué)校、職位/專業(yè)），通過(guò)審核后將邀請(qǐng)您進(jìn)入未來(lái)醫(yī)療高端成員群。（專業(yè)群審核嚴(yán)格，請(qǐng)認(rèn)真填寫，感謝理解。）
更多課程：《未來(lái)醫(yī)療大講堂—醫(yī)學(xué)影像專題》前后會(huì)有近10位產(chǎn)、學(xué)、醫(yī)領(lǐng)域的權(quán)威專家進(jìn)行深度分享，每堂課60~120分鐘，從本周起，會(huì)保持每周一更，后續(xù)的課程時(shí)間與詳情，會(huì)在公眾號(hào)“AI掘金志”實(shí)時(shí)告知。
費(fèi)用：直播免費(fèi)；錄像回看付費(fèi)（9.9元），觀看回放地址，請(qǐng)點(diǎn)擊鏈接：http://www.mooc.ai/open/course/339
關(guān)于《未來(lái)醫(yī)療大講堂—醫(yī)學(xué)影像專題》系列課程的更多介紹，歡迎點(diǎn)擊超鏈接閱讀：《做AI的不懂醫(yī)學(xué)，學(xué)醫(yī)的不懂AI ？頂級(jí)”AI+醫(yī)學(xué)影像“系列課程來(lái)襲》
以下內(nèi)容節(jié)選自王立威教授課程
為什么選擇醫(yī)學(xué)影像這條路？
王立威教授談到，有三個(gè)領(lǐng)域會(huì)與深度學(xué)習(xí)進(jìn)行緊密的結(jié)合，并希望能夠選擇其中一個(gè)方面來(lái)進(jìn)行深入研究：一個(gè)是無(wú)人駕駛；一個(gè)是金融領(lǐng)域；再一個(gè)則是醫(yī)學(xué)領(lǐng)域。
他認(rèn)為，無(wú)人駕駛在計(jì)算機(jī)視覺(jué)的識(shí)別技術(shù)已經(jīng)趨于成熟，具備可以與機(jī)器學(xué)習(xí)進(jìn)行深入結(jié)合的條件，但作為一個(gè)與汽車實(shí)體緊密相關(guān)的應(yīng)用方向，在高校內(nèi)做研究的空間相對(duì)受限；此外，駕駛作為一種動(dòng)態(tài)活動(dòng)，相對(duì)于靜態(tài)圖像識(shí)別的難度與復(fù)雜性要高得多。
而金融領(lǐng)域盡管積累了非常多高質(zhì)量的封閉數(shù)據(jù)，但它屬于噪聲非常大的信號(hào)，受突發(fā)政策、人為操作的影響較大，并非總是嚴(yán)格遵循客觀規(guī)律。
AI技術(shù)不是金融交易中的核心技術(shù)，交易的安全是重中之重。如果只考慮交易頻次問(wèn)題，交易又分為低頻和高頻，“如果是低頻交易，我不認(rèn)為AI 有太大的用武之地，因?yàn)锳I 需要大數(shù)據(jù)、低頻交易數(shù)據(jù)量太小，如果要讓AI技術(shù)發(fā)揮技術(shù)，一定是在高頻領(lǐng)域。但是現(xiàn)階段的一個(gè)問(wèn)題是，高頻領(lǐng)域有很多分析的工作還是是需要人來(lái)做，例如提煉對(duì)交易產(chǎn)生影響的因素或者策略。所以綜合上述的幾個(gè)因素，我最后選擇了從醫(yī)學(xué)影像入手。”
在這個(gè)應(yīng)用研究的三岔路口上，王立威教授最終選擇了醫(yī)學(xué)影像領(lǐng)域。
“醫(yī)學(xué)影像是未來(lái)幾年之內(nèi)人工智能影響最深遠(yuǎn)的領(lǐng)域。”
一方面，醫(yī)學(xué)影像屬于靜態(tài)圖像識(shí)別，相對(duì)于視頻的處理技術(shù)要更加成熟；另一方面，依托北京大學(xué)的一系列附屬醫(yī)院，不論是從數(shù)據(jù)的獲取或是系統(tǒng)的測(cè)試落地上，王立威教授所在的北京大學(xué)研究團(tuán)隊(duì)都有著得天獨(dú)厚的優(yōu)勢(shì)。
王教授表示，如果開(kāi)發(fā)者要執(zhí)行的任務(wù)處于非常封閉的環(huán)境，和人的常識(shí)沒(méi)有什么關(guān)系，這樣的任務(wù)非常適合機(jī)器來(lái)做，但是如果這項(xiàng)任務(wù)和常識(shí)掛鉤，例如對(duì)自然語(yǔ)言的理解，對(duì)于機(jī)器而言難度非常大。“醫(yī)學(xué)影像相對(duì)而言是具有一定封閉性的問(wèn)題。”
當(dāng)前AI醫(yī)學(xué)影像技術(shù)的真實(shí)現(xiàn)狀
當(dāng)然，不是說(shuō)醫(yī)學(xué)影像具有一定的封閉性，AI就能夠在醫(yī)學(xué)領(lǐng)域暢行無(wú)阻。王立威教授列舉了兩個(gè)AI對(duì)醫(yī)學(xué)影像產(chǎn)生重大影像的案例——斯坦福團(tuán)隊(duì)在皮膚癌檢測(cè)以及Google的DeepMind的糖網(wǎng)篩查。
王教授的觀點(diǎn)是：
1、醫(yī)學(xué)影像處理病種的數(shù)量非常龐大，上述兩個(gè)團(tuán)隊(duì)的例子解決的都是單病種問(wèn)題。醫(yī)學(xué)影像上一共可以分為兩千多個(gè)的病種。“解決一個(gè)單病種已經(jīng)不是簡(jiǎn)單的事情，斯坦福的團(tuán)隊(duì)已經(jīng)和頂級(jí)的醫(yī)學(xué)專家研究數(shù)年才得到目前的成果，要囊括兩千多個(gè)病種更是難上加難。此外，病種與病種之間的差異度也很大，所以，AI 醫(yī)學(xué)影像需要頂級(jí)醫(yī)學(xué)專家和頂級(jí)機(jī)器學(xué)習(xí)學(xué)者通力合作才有可能成功。”
2、成像設(shè)備的差異會(huì)產(chǎn)生多種類型的圖像。CT、MRI、X光、超聲、內(nèi)窺鏡、病理切片這些圖像缺乏一定的標(biāo)準(zhǔn)。“現(xiàn)在我們只是在一些病種上進(jìn)行單點(diǎn)突破，整個(gè)醫(yī)學(xué)影像仍任重道遠(yuǎn)。”
從技術(shù)角度而言，今天的機(jī)器學(xué)習(xí)、人工智能技術(shù)對(duì)于檢測(cè)等問(wèn)題可能做得比較好，但是全局性病變、結(jié)構(gòu)性病變對(duì)機(jī)器學(xué)習(xí)還是有難度。
未來(lái)幾年看誰(shuí)能勝出，就看誰(shuí)能選對(duì)病種，選錯(cuò)就有可能浪費(fèi)時(shí)間、精力。
肺結(jié)節(jié)的早期篩查是AI+醫(yī)學(xué)影像的熱門領(lǐng)域，但是，肺結(jié)節(jié)的種類繁多、形態(tài)各異、容易與肺內(nèi)其他組織（例如血管等）混淆。
這些問(wèn)題也會(huì)考驗(yàn)從這個(gè)領(lǐng)域切入的創(chuàng)業(yè)者，例如肺門區(qū)域結(jié)節(jié)和磨玻璃結(jié)節(jié)的檢測(cè)。因此，王教授團(tuán)隊(duì)采用了三階段模型框架來(lái)解決這樣的問(wèn)題。
肺門區(qū)域結(jié)節(jié)是非常容易發(fā)生錯(cuò)誤、漏檢的地方，肺門區(qū)域結(jié)節(jié)和其他結(jié)構(gòu)完全連接在一起的特性使得信息難以區(qū)分。王教授團(tuán)隊(duì)的技術(shù)核心是將多尺度信息結(jié)合，應(yīng)用一種特征金字塔網(wǎng)絡(luò)（FPN）。通過(guò)整合多尺度信息，有效地將結(jié)節(jié)與正常組織、其它病變區(qū)分開(kāi)，精確檢測(cè)肺門區(qū)域結(jié)節(jié)。
磨玻璃結(jié)節(jié)也是一個(gè)容易漏檢的部分，相比而言，磨玻璃結(jié)節(jié)與其他區(qū)域的亮度差異較小。通過(guò)引入難例挖掘機(jī)制，使得模型更為關(guān)注困難樣本，提高磨玻璃結(jié)節(jié)的檢測(cè)準(zhǔn)確度。
在這個(gè)問(wèn)題上，王立威教授的團(tuán)隊(duì)使用焦點(diǎn)損失函數(shù)(Focal Loss)對(duì)磨玻璃難例挖掘進(jìn)行優(yōu)化。
在結(jié)節(jié)臨床意義分析方面，王立威教授指出：一個(gè)患者的整個(gè)肺里只有一個(gè)地方有結(jié)節(jié)，另一個(gè)患者有很多結(jié)節(jié)，雖然有一樣的結(jié)節(jié)，但是對(duì)于兩個(gè)人的意義是不同的。我們通過(guò)結(jié)合病例內(nèi)所有結(jié)節(jié)的全局信息，進(jìn)行結(jié)節(jié)臨床意義分析與判斷，幫助醫(yī)生關(guān)注到更具有臨床意義的結(jié)節(jié)。
“我們希望最后的診斷結(jié)果對(duì)醫(yī)生有幫助，我們也必須對(duì)臨床意義進(jìn)行分析，最終提交結(jié)果。”這里采用了Context Net，避免孤立地看待檢測(cè)出的結(jié)節(jié)，而是在全局上判斷哪些是有臨床意義的，包括利用系統(tǒng)判斷結(jié)節(jié)良惡性的概率值。
在王教授看來(lái)，分析不是一個(gè)簡(jiǎn)簡(jiǎn)單單的目標(biāo)檢測(cè)，要考慮到醫(yī)學(xué)的特點(diǎn)。初學(xué)者前期會(huì)使用通用型的算法，但機(jī)器學(xué)習(xí)有很多細(xì)節(jié)不是寫在代碼里的，只有深耕很多年，自己親自實(shí)踐才能有更多的領(lǐng)悟。
此外，王立威教授團(tuán)隊(duì)在算法延拓方面也取得了一些突破。
“我們?cè)诮Y(jié)節(jié)屬性問(wèn)題、模型可解釋性等方面也有一些成果。結(jié)節(jié)屬性對(duì)醫(yī)生寫報(bào)告很有幫助，我們可以測(cè)量結(jié)節(jié)直徑、體積，給醫(yī)生一個(gè)更直觀的感受。在模型的可解釋性方面，我們利用前期算法得到的模型，可以檢測(cè)病變、判斷良惡性。但是醫(yī)生會(huì)問(wèn)，這個(gè)模型判斷的依據(jù)是什么，邏輯是什么，我們不希望這個(gè)模型是一個(gè)黑箱，從而影響我們使用的信心。”
雷鋒網(wǎng)AI掘金志線上直播結(jié)束后，王立威教授對(duì)部分學(xué)員提出的問(wèn)題進(jìn)行了解答，以下是選摘的問(wèn)答實(shí)錄，雷鋒網(wǎng)AI掘金志作了不改變?cè)獾木庉嫞?/strong>
問(wèn)：與醫(yī)生醫(yī)院的合作過(guò)程中最應(yīng)該注意哪些問(wèn)題？
答：第一，一定要互相了解。做AI的技術(shù)人員和醫(yī)生在完全不了解對(duì)方領(lǐng)域知識(shí)的情況下，溝通起來(lái)是蠻困難的。這兩個(gè)領(lǐng)域差異巨大，你要逐漸適應(yīng)對(duì)方的思維模式。所以如果能夠理解對(duì)方的思維方式，我覺(jué)得溝通起來(lái)就會(huì)越來(lái)越容易，合作會(huì)越來(lái)越容易。
第二，作為人工智能、機(jī)器學(xué)習(xí)的技術(shù)工作者，切忌從自己的角度出發(fā)去想技術(shù)怎么用。AI醫(yī)學(xué)影像最核心最根本的是從醫(yī)生的角度考慮其真正的需求是什么？我有一個(gè)很深刻的體會(huì)就是某種意義上，需求應(yīng)該是由醫(yī)生來(lái)主導(dǎo)。所以雙方要進(jìn)行深入的溝通，哪些問(wèn)題是醫(yī)生真的需要輔助，同時(shí)又是技術(shù)有可能解決的。
提問(wèn)：如果AI模型的可重復(fù)性較差，如何提高模型的可信度？
答：網(wǎng)上有很多開(kāi)源代碼，我指的是你用了這個(gè)代碼之后，是不是能夠達(dá)到算法設(shè)計(jì)者的水平。代碼和模型是兩個(gè)概念，模型實(shí)際上是用代碼在數(shù)據(jù)上訓(xùn)練出來(lái)，但訓(xùn)練本身是有很多技巧的。如果你不了解其中的技巧，實(shí)現(xiàn)不了代碼開(kāi)發(fā)者的水平，只是說(shuō)你拿到的代碼，能不能用自己的經(jīng)驗(yàn)訓(xùn)練出同樣的模型。新手在機(jī)器學(xué)習(xí)，特別是深度學(xué)習(xí)方面和富有經(jīng)驗(yàn)的專業(yè)專家相比，差距還是巨大的，這個(gè)需要很多年的技術(shù)積累。
問(wèn)：作為放射科醫(yī)生，對(duì)于肺結(jié)節(jié)自動(dòng)檢出產(chǎn)品，最關(guān)心的是假陰性，這個(gè)問(wèn)題怎么解決？
答：從醫(yī)學(xué)的角度來(lái)講，大家關(guān)注的性能指標(biāo)應(yīng)該是兩個(gè)：特異性和敏感性，敏感度其實(shí)指的是一種查全率，是不是把所有的結(jié)節(jié)都找到了。特異性是指假陽(yáng)性的比例。在某種意義上，這是兩個(gè)矛盾的指標(biāo)，如果把一個(gè)指標(biāo)調(diào)到最大，那肯定另一個(gè)指標(biāo)的表現(xiàn)就會(huì)變得很差，大家都希望這兩個(gè)指標(biāo)能夠達(dá)到一個(gè)最好的平衡。
問(wèn)：目前的深度學(xué)習(xí)技術(shù)，能夠比較高精度的檢測(cè)多小的結(jié)節(jié)，五毫米左右如何？（更多精彩問(wèn)答內(nèi)容，請(qǐng)關(guān)注雷鋒網(wǎng)AI掘金系列未來(lái)醫(yī)療大講堂第1期）
如何在醫(yī)學(xué)影像分析中應(yīng)用好深度學(xué)習(xí)
基于深度學(xué)習(xí)的臂叢神經(jīng)識(shí)別
基于深度學(xué)習(xí)的關(guān)節(jié)智能識(shí)別
基于深度學(xué)習(xí)的乳腺超聲影像分析
基于深度學(xué)習(xí)的脂肪肝超聲影像分析
企業(yè)：醫(yī)療人工智能從業(yè)者與創(chuàng)業(yè)者
高校：計(jì)算機(jī)視覺(jué)、圖像處理與醫(yī)學(xué)影像研究背景的教授、研究員；欲從事醫(yī)學(xué)影像分析的學(xué)生
醫(yī)院：影像科/放射科/病理科主任醫(yī)師、信息中心主任
監(jiān)管：CFDA等醫(yī)療相關(guān)監(jiān)管機(jī)構(gòu)的從業(yè)者
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。
