騰訊醫療AI實驗室又有新研究。

這次跟美國加州大學合作，在國際權威期刊《Medical Physics》發表最新研究成果：

《器官神經網絡：深度學習用于快速和全自動整體頭頸危及器官靶區勾畫》

AnatomyNet: Deep Learning for Fast and Fully Automated Whole-volume Segmentation of Head and Neck Anatomy

該研究成果能讓AI在頭頸等重要器官的放射治療規劃中，發揮精準規劃作用，最大限度將放射劑量集中在靶區內，而周圍正常組織或器官少受或免受不必要的傷害。

比起單純依靠人類醫生，可以提升診療規劃效率，降低勾勒時長，還能提升勾畫準確率。

可以說是患者福音，醫生益友。

基于深度學習的放療靶區自動勾畫

這個研究是這樣的：

每年有超過六十萬人被診斷患有頭頸部癌癥，其中許多人選擇接受放射治療。

但頭頸部重要器官比較集中，解剖關系復雜，如果在治療前未仔細隔離，放療時周圍組織可能會嚴重受損。

在頭頸癌放療過程中，醫生根據患者CT圖像手動描繪放療靶區和危及器官（Organ at Risk，OaR），目的是最大限度將放射劑量集中在靶區內，而周圍正常組織或器官少受或免受不必要的傷害。

然而勾勒過程非常耗時，降低診療效率的同時，更是耽誤了患者的治療時間。

若能讓AI幫助分割過程，輔助放療規劃，肯定能協助醫生、幫助患者。

于是圍繞該問題，騰訊醫療AI實驗室和加州大學提出一種深度學習模型——器官神經網絡（AnatomyNet）。

該模型可以快速地對整張CT的所有切片進行全自動化器官分割（Segmentation），在小于1秒鐘的時間內完成一整幅頭頸CT的危及器官勾畫，大幅度提升放療靶區勾畫效率。

器官神經網絡的輸入是頭頸CT圖像的所有切片。該神經網絡可以一次性產生所有危及器官的預測結果。

具體構建上，器官神經網絡基于常用的三維U網絡（U-net）架構，但是騰訊AI實驗室在三個重要的方面對其進行了擴展：

1）一種新的在整幅CT圖像上進行自動分割的編碼方式，而不是在局部圖像塊上，或者一部分CT圖像切片上分割；

2）在編碼層中，加入三維Squeeze-and-Excitation殘差結構來進行更好的特征表示學習；

3）一種新的結合Dice損失和Focal損失的損失函數，用來更好地訓練該神經網絡。在深度學習的器官分割中，使用這些技巧解決兩個主要的挑戰：a）小器官的分割（比如，視神經和視交叉）。這些小器官僅僅只有幾個切片。b）對于一些器官結構，數據標注不一致以及標注缺失給訓練造成一些問題。

△器官神經網絡危及器官分割結果

如上圖所示，其中綠色為醫生標注，紅色為器官神經網絡預測結果，黃色表示標注和預測重合，結果顯示高度一致。

從下面的動態圖上，可以更清晰看到器官神經網絡預測和醫生標注的連續過程，其中左邊顯示的是醫生標注，右邊顯示的是器官神經網絡預測結果。

從結果上說：和之前MICCAI競賽中最好的方法相比，器官神經網絡平均提升了3.3%的Dice指標。

器官神經網絡僅僅使用0.12秒就可以完全完成一整幅CT圖像（178×512×512）的分割。

該速度極大地縮短了之前方法所用的時間（20分鐘以上）。

除此之外，該模型可以處理一整幅包含所有切片的CT圖像，以及一次性勾畫所有的危及器官，不需要很復雜的預處理以及后處理。

這證明，深度學習可以提升器官分割準確率，簡化自動分割器官的流程。

國際權威期刊刊發

騰訊醫療AI實驗室和加州大學的聯合研究成果，首刊于《Medical Physics》，這是是美國醫學物理學家學會（The American Association of Physicists in Medicine，AAPM）的官方期刊。

該研究成果在期刊上發表后，目前已經被多個機構引用。

美國德克薩斯大學MD安德森癌癥中心（MD Anderson Cancer Center）對騰訊醫療AI實驗室的“器官神經網絡”表示關注，并把該研究成果作為中心一項大規模研究的重要部分。

該中心在美國乃至全球皆享譽盛名，多次被評為美國最佳癌癥研究機構，也是公認的全球最好的腫瘤醫院。

此外，論文一經發布，很快被加拿大瑞爾森大學、中國中科院等多家機構學者在其研究報告中被提及和引用，作為最新的研究突破獲得國內外認可。

一旦更多研究機構和人力參與其中，規模化落地速度可能也會加快，實乃人類福音。

騰訊醫療AI實驗室

最后，簡單介紹下騰訊醫療AI實驗室。

這是騰訊專為醫療領域打造的AI實驗室，創建于2017年年底，目前在硅谷、北京、深圳設立了三個分支。

其作為騰訊醫療健康領域眾重要技術驅動，騰訊AI實驗室主要以學術研究層面發力，希望在AI醫學前沿領域取得突破。

實驗室的主要研究方向是基于自然語言理解、醫學知識圖譜、深度學習、醫療影像、貝葉斯網絡、多模態分析等基礎技術構建醫學知識引擎、醫療推理引擎、臨床輔助診斷引擎、問診對話引擎等智能平臺。

更早之前，騰訊醫療AI實驗室已推出帕金森病運動功能智能評估系統，其他主要產品還包括臨床輔助決策支持系統，面向腦卒中、急性冠脈綜合癥等高危易誤診疾病提供臨床輔助決策支持，以及心電圖智能分析軟件，利用AI技術實現心電圖監測結果的自動判讀和預警等。

今年7月，騰訊醫療AI實驗室還有3篇論文分別被KDD 2018、SIGIR 2018、COLING 2018三個國際頂尖學術會議收錄，論文的主要研究方向為醫療知識圖譜中實體關系的發現和應用。