癌细胞检测效率再度提升！百度推出新型深度学习算法

药明康德/报道

近日，百度深度学习研究院宣布，已经开发出一种新的深度学习算法，可以利用一种名为神经条件随机场（NCRF）的概率图像模型，来识别乳腺癌细胞。在最初进行的测试中，这个新算法在识别乳腺癌转移的能力上已经被证明优于人类病理学家。

卷积神经网络(CNN)擅长于对图像进行模式匹配，因此可以检测医学图像中潜在的癌细胞。通常的方法是将图像分割成许多较小的独立图像区域，然后训练一个深层卷积神经网络，来区分每个小区域是否包含肿瘤细胞或正常细胞。然而，对于全身扫描图像等分辨率较高的图像来说，CNN并不能很好地进行处理，并且在不了解周围环境的情况下，对于每一个区域的边界部分，通常CNN的预测准确性较低。

▲这款新型深度学习算法示意图（图片来源：Baidu Research）

为了解决这一问题，百度的研究人员开发出了一种新的深度学习算法，使用一种名为神经条件随机场（NCRF）的概率图像模型，对相邻区域之间的空间相关性进行了建模。这样一来，算法不仅可以使用单一图像区域的数据进行预测，同时还可以叠加相邻区域的情况，来对肿瘤细胞和正常细胞进行预测。

在将不同区域的空间相关性纳入预测范围后，算法做出的错误预测数量大大减少。在测试中研究人员请人类病理学家也对于肿瘤细胞区域进行了识别，并使用肿瘤定位分数FROC分别为新算法及人类病理学家进行打分。经测试，百度的这个新算法得到了80.9分，而人类医生的平均分为72.4分，这证明了新算法在识别肿瘤的准确性方面表现更优。

▲算法检测癌细胞对比图。a图为原始图像，b图为人类病理学家识别癌细胞结果，c图为其它AI算法识别癌细胞结果，d图为百度新算法识别癌细胞结果（图片来源：Baidu Research）

“我们正在进一步开发这个算法，这样就可以让很多医疗研究团体甚至整个医疗行业受益，”百度深度学习研究院科学家Yi Li博士表示：“为了真正测试这些算法是否适用于临床环境，我们需要寻求更多的合作医院或其他医疗资源，在一个更大的环境下或包含不同类型癌细胞的数据集中对算法进行评估，看其是否仍能保持较高准确性，是否能超过经验丰富的病理学家。”

目前，这个算法已经被放到Github上，供广大用户下载使用，这也有助于将这一方法应用到更广泛的用户群体中，从而造福更多癌症患者。

参考资料：

[1] Baidu Research’s breast cancer detection algorithm outperforms human pathologists

[2] An AI a day keeps the doctor away... Neural net software gets better at clocking cancer tumors

[3] Using Deep Learning to Help Pathologists Find Tumors

更多精彩文章：

新型AI数据引擎，可以读懂免疫细胞的“悄悄话”！