深睿智慧(第一期)▏“医生知识”赋能后的乳腺产品新变化
因此,深睿医疗高度重视临床实践,树立临床思维,通过和医生的反复沟通,增强跨学科的交流,有效地建立起临床应用与产品研发之间的联系,促进研究成果快速地为临床服务,实现科学研究的真正价值。
临床先验知识加持乳腺癌筛查
针对全世界女性最常见的恶性肿瘤乳腺癌,早期诊断是关键。乳腺X线成像是一种早期检测乳腺癌的主要手段,肿块是乳腺疾病X线影像诊断中最常见的直接征象之一,但是致密的腺体可能会部分掩盖肿块,从而加大了肿块检出的难度。另一方面,微小钙化是乳腺癌的早期征象之一,乳腺X线对钙化敏感性极高,但是由于可疑钙化像素所占比例极低,容易被机器学习检测模型忽略,造成漏检。
临床医生如何利用先验知识解决这一痛点?
结合先验知识,如何利用交叉视图推理网络优化算法?
借助医生思想解决问题,在和医生沟通中,从医疗知识层面获得了很多启示,解决了之前的研发瓶颈。乳腺X线AI产品中,肿块的检测一直是一个难点。研发人员借鉴医生思路,在技术上利用交叉视图推理网络,把不同投照位进行映射,利用映射把特征传递和增强,提升了检出效果。这篇基于二部图推理网络的肿块检出算法已经被CVPR 2020收录,并被推荐大会演讲(oral,中稿率4.16%)。还有微小钙化识别,因为病灶非常小,只有几个到十几个像素点,识别很困难。科研人员借鉴异常检测的思路,通过对正常腺体进行建模,生成重构图像,再将钙化作为异常点分离出来,从而取得了优异的效果。这篇致密性乳腺下基于深度重构网络的微小钙化点检测的科研成果,已经被CVPR2019收录。
目前,深睿医疗乳腺产品可以实现自动检出肿块、钙化、非对称影、结构扭曲等病灶,并分析钙化形态、分布和肿块形态、边缘、密度等特性,检出淋巴结肿大等伴随征象,进行BI-RADS分级,形成结构化报告。已在上百家医院落地应用,受到了医生的高度评价,成为医生在日常诊断中有效的辅助工具,大大提升了医生的诊断效率。
任何产品都将服务于具体的场景,只有场景是AI的试金石。深睿医疗将以数据为基础,场景为目标,结合先验知识,研发出适配各种场景及疾病的AI技术,促进AI医疗产品不断丰富,及产品性能的不断提升,持续引领行业新发展。
深睿医疗“AI+云”赋能
医联体,助力信息化防疫抗疫
采用新型深度学习训练框架,有效提升
骨龄产品的临床适用性
凝聚AI力量,助推智慧医疗发展未来