百度硅谷ai lab发表新的深度学习算法ncrf(neural conditional random field),据称可改善目前活体组织切片检查wsi(whole slide image)分析的结果,协助病理学家提升肿瘤辨识效率与正确性。百度并以开源方式,在github释出该算法。
据报导,wsi是数gb大的影像档,通常包含数十亿画素(pixel),病理学家必须仔细检视病理切片影像寻找肿瘤细胞,但微转移(micrometastases)的小群肿瘤细胞直径可小到1,000画素,因此要从巨大的病理切片影像中有效分析辨识犹如大海捞针。即使运用深度学习算法,也仅能检验wsi影像的一部分。
目前许多wsi的深度学习算法,选择将影像分割为如256x256画素较小的尺寸独立进行分析,但肿瘤周围特别是肿瘤与正常细胞交界处的影像会影响预测结果,由于这些算法的深度卷积神经网络(cnn)无法将周围的影像一并纳入分析,反而增加从分割影像预测肿瘤的难度,经常导致伪阳性误判。
百度的ncrf算法运用crf建立分割后相邻影像之间空间相关性(spatial correlation)模型,不需经过前置或后续处理,即可以标准back-propagation算法进行端对端训练。cnn会从影像撷取特征,然后运用机率图形模式(probabilistic graphical model)聚合相邻影像的信息纳入分析,因此能改善肿瘤预测、减少伪阳性误判。
以camelyon16资料集(dataset)测试百度的ncrf算法,肿瘤定位准确度(froc)平均分数可达0.8096,优于专业病理学家的0.7240与camelyon16挑战赛的前记录0.8074。不过百度研究人员认为,ncrf最合适的应用方式还是做为人类专家的辅助工具,让病理学家有更多时间专注于算法标记出的肿瘤区域。
ncrf算法为通用技术,但受限于训练用资料集的数量与规模,目前主要使用乳癌的公共资料,百度希望大陆医院能提供更多更大型的资料集,进行近一步的临床研究,以彻底评估算法,并验证在其它类型肿瘤的应用。然而要将ncrf算法集成至现有病理切片分析仪器需要配套法规,但目前尚缺具体指导原则,实际应用于临床病例还要一段时间。
指导分享高密度光纤配线架安装方法
PIC单片机的I2C 24LC02 C读写程序
减少杂波干扰的可控硅调速电路设计
轻松为医疗传感器和耗材添加内存、安全性、监控和控制
微软可调节滤光镜专利曝光,多个液晶层可进行模式切换
百度释出新AI算法 可提升肿瘤辨识效率与正确性
飞兆半导体推出符合音频配置插孔标准的FSA8049 MIC/GND交叉点开关
压电式传动器带来不一样的触觉体验
主动红外探测器和被动红外探测器的主要不同
中国新能源发展的六个方面
随着激光电视的出现 屏幕尺寸增大趋势正将迎来加速期
混合动力汽车在前期设计阶段整改案例
如何理解比特币的真正用途
台积电预计2019年2季度快速增长 贸易战对IC封测产业的影响如何?
“走位”独特的多功能卫星——海洋二号C星成功送入预定轨道
又一显示半导体关键项目落地合肥新站高新区
基于加密货币的金融ZOS智能金融服务生态介绍
阿尔卡特学习中国跑马灯山寨机 Google Assistant将登陆更多安卓机
人工智能全面改变三大产业
数字电网技术体系——信息系统