所有文章 > 正文

研究人员开发了一项深度学习技术,可进行CT扫描中的风险测定

作者: Jansfer

时间: 2019-10-10 10:59

放射疗法是目前医学界最广泛使用的治疗癌症的方法之一,但人们也必须承认,这种疗法可能会对肿瘤附近的健康组织造成附带损害。通过CT扫描识别有癌症风险的器官是一个困难且费力的过程,但是最近,来自加利福尼亚大学欧文分校(UCI)的计算机科学家和一些其他大学的研究人员开发了一种自动化技术,这种技术可以使用深度学习算法来执行CT扫描的功能。

放射疗法是目前医学界最广泛使用的治疗癌症的方法之一,但人们也必须承认,这种疗法可能会对肿瘤附近的健康组织造成附带损害。通过CT扫描识别有癌症风险的器官是一个困难且费力的过程,但是最近,来自加利福尼亚大学欧文分校(UCI)的计算机科学家和一些其他大学的研究人员开发了一种自动化技术,这种技术可以使用深度学习算法来执行CT扫描的功能。他们的工作最近发表在Nature Machine Intelligence《自然机器智能》上。

UCI计算机科学教授谢晓辉说:“使用我们的模型,可以在几秒钟内描绘出整个扫描过程,而这项工作将花费人类专家半小时以上。在100次CT扫描的数据集试验中,我们的深度学习方法实现了平均相似系数超过78%,这与放射肿瘤学家进行的分析相比有显著的改进。”由于人体的头部和颈部具有具有复杂的解剖结构和密集的器官分布,研究人员决定将注意力集中在这一部分进行研究。当然,意外照射到该区域的敏感组织同样可能会导致对患者不利的副作用,例如难以张开嘴巴,视力和听力下降以及认知障碍等等。

谢晓辉表示,他的团队方法的成功可以归因于模型的两阶段设计。他的合作者来自中国上海交通大学医学院和哥斯达黎加梅萨的DeepVoxel Inc.。首先,系统识别包含重要器官的区域,然后从这些焦点区域提取图像特征。谢晓辉说:“即使使用低对比度的CT扫描,我们的深度学习神经网络也极大地增强了描绘解剖结构的能力。并且该设置比其他方法具有更高的计算效率,这使它可以用更多标准级别的图形处理单元存储器来完成,也就意味着该技术可以在实际诊所中更容易地部署。”

参考:https://techxplore.com/news/2019-10-deep-learning-technique-id-at-risk-anatomy.html

[关于转载]:本文为“AMiner”官网文章。转载本文请联系原作者获取授权,转载仅限全文转载并保留文章标题及内容,不得删改、添加内容绕开原创保护,且文章开头必须注明:转自“AMiner”官网。谢谢您的合作。

二维码 扫码微信阅读
推荐阅读 更多