共计 2271 个字符，预计需要花费 6 分钟才能阅读完成。
摘要：2020 年国内医学图像计算和计算机辅助干涉会议（MICCAI 2020），论文接管后果曾经颁布：华为云医疗 AI 团队和华中科技大学单干的 2 篇研究成果入选。
语义 / 实例宰割问题是近年来医学图像计算畛域的一个热门研究课题，70%以上的国内比赛都是围绕着它开展。在临床上，宰割办法使能临床辅助决策、术前布局、肿瘤动静监控等工作，具备极高的临床应用价值。
2020 年国内医学图像计算和计算机辅助干涉会议（MICCAI 2020），论文接管后果曾经颁布：华为云医疗 AI 团队和华中科技大学单干的 2 篇研究成果入选。
MICCAI 作为国内公认的跨医学影像计算 (MIC) 和计算机辅助染指 (CAI) 两个畛域的顶级综合性学术会议。不仅具备国内影响力和学术权威性，还是医学影像剖析畛域的前沿热点风向标，更是验证相干研究成果含金量的中央。
基于医生手工勾画或者传统软件勾画的办法耗时耗力或者办法泛化能力差，基于深度学习的办法在医疗图像宰割问题上展示优异的宰割性能，然而因为医疗设施成像起因（成像伪影），器官病灶自身结构起因（器官病灶外部体液、肌肉距离，相邻器官病灶边缘界定不清晰）等诸多起因，导致器官病灶期待宰割物体边缘不清晰，已有深度学习的办法无奈较好解决以上问题。
针对上述问题，华为云和华中科技大学提出了 2 种解决方案，别离利用图像的不连续性信息及方向场信息，对现有网络进行革新，实现边界精准宰割，可极大进步病灶区域或器官图像的宰割精度，助力医生对疾病的诊断和医治。能够看出这两种计划，每一个都展现出了超过传统办法的成果。
AI+ 医疗，华为云秀前沿成绩
论文一：业界首次论述区域内（如器官病灶等）不连续性对区域边界宰割问题的影响，并提出解决方案
已有宰割办法在区域不间断地位通常宰割成果较差，常常谬误地将区域内的不间断地位误判为区域边界，导致预测的区域边界不精确，如图 1b 所示。针对以上问题，华为云 EI 医学影像团队联结华中科技大学首次论述区域内不间断问题导致边缘宰割不精确这一概念，并提出一种简略而无效的解决办法：晋升不间断地位的注意力，具体为利用一个边缘检测器（Scharr Filter 等，效果图如图 1c）来辨认不间断的地位，并将此“不间断”监督信号增加到 loss 指标函数中，配合惯例 Dice loss 组合成多任务指标学习函数，以此进行更精准的边缘辨认，算法框架如图 2 所示，辨认效果图如图 1d 所示。
本文办法在三种医学图像宰割工作（MRI 心脏宰割数据集 -Cardiac500、MRI 前列腺宰割数据集 -T2-SPIR 和 MRI 肝脏宰割数据集 Medical Segmentation Decathlon）上进行了全方位验证，相比于已有基线办法，DICE 别离晋升 0.68 个点，1.09 个点，0.8 个点（如图 3a 和 c），并在心脏宰割迁徙工作上 Cardiac500->ACDC 晋升了 5.1 个点（如图 3b）。
为了进一步阐明本文办法解决区域内不连续性问题的有效性，华为云剖析了 Cardiac500 数据集中 2645 个测试样本的 DICE 散布，本文办法齐全打消了 DICE 小于 0.8 的样本（基线办法有 13 个样本低于 0.8），如图 4 所示。
论文二：利用方向场进行语义像素级关联，维持解剖学构造，实现边界精准宰割
（1）在 MRI 成像过程中，磁场不平均或脏器静止等起因产生的 MRI 伪影经常使得指标边界含糊；（2）以后基于深度学习的宰割办法因为不足无效的语义像素级关联，导致宰割进去的指标物体无奈维系解剖学构造，如图 7 所示；基于以上问题，华为云医疗 AI 团队联结华中科技大学提出了一种通过学习方向特色图，强化像素间语义级关联，该办法通过减少类间距，放大类内距，维持物体解剖学构造，实现高精度的边缘宰割。具体为 1）通过 UNET 学习初始宰割效果图；2）基于 UNET 骨干通过 DF 模块学习每个像素的方向场的强度信息和方向信息；3）利用学习失去的方向场信息对初始宰割成果进行迭代修改，应用脏器两头宰割后果领导边缘宰割；4）联结初始宰割成果 + 方向场学习 + 订正的宰割成果等工作进行多任务学习，如图 5 所示。
本文所提的模型简略、无效，并且能够灵便地增加到任何现有的宰割网络中，且根本不会减少推理工夫开销。在心脏宰割 ACDC（Automatic Cardiac Diagnosis Challenge Dataset）数据集，本文办法体现出良好的宰割以及泛化性能（宰割成果如图 7）；相比已有的办法，本文办法 DICE 晋升 1.3 个点，并在心脏宰割迁徙工作上（Self-collected ->ACDC，ACDC ->Self-collected）别离晋升了 1.1 个点和 1.7 个点，如图 6 所示。
大力度聚焦 AI 医疗
正如文章开篇所用的词“又”，在去年的 MICCAI 以及 MICCAI-MIML 上，华为云医疗 AI 团队曾经有 3 篇论文入围。在业界多个挑战赛事上如 LUNA-2016、HC-2018、ISLES-2018 等，华为与也都达到了领先水平。
在专家方面，IEEE Fellow、AI 大牛田奇退出了华为云出任华为云人工智能畛域首席科学家。
不仅仅是学术研究，华为云还在积极探索如何将 AI 技术在医疗畛域上的疾速落地。在与金域医学单干摸索 AI 辅助病理诊断利用开发；疫情期间，华为云与蓝网科技等合作伙伴，打造出了基于人工智能的医疗影像辅助诊断系统等等。在多年的技术积攒下，华为云为用户提供端到端的 AI 使能平台华为云 EI 医疗智能体（eHealth），笼罩医疗影像、基因组、制药等畛域，与医疗行业当先企业及医院和高校单干，减速 AI 钻研和利用落地。
点击关注，第一工夫理解华为云陈腐技术~
