共计 3216 个字符，预计需要花费 9 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。
同时两篇研究成果被行业顶会收录，华为云医疗 AI 布局，低调浮出水面。
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。其中，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 2020 横跨医学影像计算和计算机辅助染指两个畛域，曾经有 16 年倒退历史，是国内公认的行业顶尖学术会议。不仅有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。
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。此次华为云医疗 AI 团队的 2 篇论文，针对的是医学图像计算畛域中语义 / 实例宰割问题，探讨如何将心脏、肝脏、前列腺等器官的原始图像数据转化为高价值的空间结构化信息。具备很强的临床应用价值，不仅可能辅助医生决策，还能帮忙医生实现术前布局，肿瘤动静监控等工作。
在钻研论文中，华为云医疗 AI 团队提出的办法，用于解决由医疗设施成像、器官病灶自身结构等因素造成的待宰割物体边缘不清晰问题——这是此前深度学习算法很难施展效劳的场景。
华为云团队提出的两个办法中，每一个都展现出了超过传统办法的成果。
医疗 +AI 最新成绩
其中一篇论文，名为“Pay More Attention to Discontinuity for Medical Image Segmentation”，钻研的是如何宰割好医疗影像中不间断的区域（比方器官病灶等）。
论文中示意，已有的宰割办法在解决这种状况时，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。
比方下图中的状况（左侧是标签图，右侧是已有办法宰割图像的状况，黄圈是缺失局部）：
在这篇论文中，华为云医疗 AI 团队联结华中科技大学，阐述了区域内不间断问题导致边缘宰割不精确的概念，并提出了解决办法：晋升不间断地位的注意力。
具体来说，是利用边缘检测器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，算法框架如下图所示：
他们将这一算法在三种医学图像宰割工作上进行了全方位验证，别离是：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。
结果显示， 相比于已有基线办法，掂量宰割后果的外围指标都有所晋升 。其中。在心脏宰割迁徙工作上 Cardiac500 迁徙到 ACDC 的后果晋升了 5.1 个百分点。
为了进一步验证他们提出的办法有效性，他们还进一步剖析了 Cardiac500 数据集中 2645 个测试样本的宰割后果散布，结果显示齐全打消了外围指标小于 0.8 的样本，相比之下，基线办法有 13 个样本低于 0.8。
另一篇论文，题目为“Learning Directional Feature Maps for CardiacMRI Segmentation”，同样是华为云医疗 AI 团队联结华中科技大学的研究成果。
通常状况下，磁场不平均和在核磁共振成像过程中脏器静止等因素会产生伪影，使得指标边界含糊。但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，如下图所示：
这就是华为云医疗 AI 团队这篇论文要解决的问题，他们提出了一种通过学习方向特色图，强化像素间语义级关联，通过减少类间距，放大类内距，来维持物体解剖学构造，实现高精度的边缘宰割。具体过程如下图所示：
首先，用 U -Net 来学习初始宰割效果图。之后，基于 U -Net 骨干，通过 DF 模块学习每个像素方向场的强度信息和方向信息。
接下来，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。最初，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。
论文中展现了这一办法的宰割以及泛化性能。相比已有的办法，其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。
基于行业热点研究课题，两篇论文都被业内顶会收录，华为云医疗 AI 的实力可见一斑。
基于上述两种办法，华为云医疗 AI 团队联结华中科技大学联合开发了一套基于深度学习的心脏 AI 服务，可实现心脏各构造的主动宰割、并进行精准量化剖析，实现单病例量化后果的秒级输入，AI+ 医生复核总体效率是纯人工量化评估速度的数十倍。目前，该服务已胜利在华为云上线。
但这只是其近年来研究成果的一部分，华为云在医疗 AI 畛域，曾经深耕许久，尤其是在医学影像畛域。
华为云医疗 AI 布局浮出水面
从研究成果来看，事实上，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，笼罩宫颈癌筛查、脑中风宰割以及平片诊断报告主动生成等利用场景。
在近年来多个医学影像相干的 AI 挑战赛事上，华为云的技术实力也都达到了世界领先水平。
比方在 Grand-Challenge 胎儿超声影像头围测量较量（HC18）上，华为云超过了香港中文大学、中国科学院、加拿大女王大学等 100 多个大学和科研机构，以 1.89mm 的均匀绝对误差获得第一。
前段时间，咱们报道了 IEEE Fellow、AI 大牛田奇退出负责华为云人工智能畛域首席科学家。
田奇作为计算机视觉畛域大牛，主导 AI 视觉方向的前沿钻研，他退出之后，想必会晋升华为云在计算机视觉畛域的根底钻研实力。能够预感，在田奇退出后，华为云医疗 AI，尤其是医学影像方面，将来还会有更大的停顿。
但不仅仅是钻研，华为云还在积极探索怎么将 AI 技术疾速落地。
过来的这几年，他们与医疗行业中的企业及医院和高校单干，为用户提供端到端的 AI 使能平台，推动 AI 利用到行业场景中。
2019 年 6 月，华为云与金域医学单干，在 AI 辅助病理诊断利用开发方面获得突破性停顿。他们训练出的宫颈癌筛查模型，在排阴率高于 60% 的根底上，阴性片判读的正确率高于 99%，同时，阳性病变的检出率超过 99.9%。
一举成为国内上已颁布的 AI 辅助宫颈癌筛查的最高程度。而且在诊断速度上也大大晋升：每例病理判读仅需 36 秒，是人工判读的 10 倍。
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，将诊断效率从过来的 10-15 分钟变为 10-15 秒，极大地缓解了医疗压力。
在多年技术的积攒下，华为云曾经面向行业推出了企业级的医疗影像 AI 平台，撑持全流程可追溯的端到端 AI 建模，助力医疗影像 AI 更加零碎、疾速、平安地走向市场。
此外，在基因组和制药畛域，华为云也有了不少布局和积攒。
往年新冠疫情暴发后不久，华为云就与合作伙伴一起组成了联合攻关团队，基于华为云医疗智能体平台（EIHealth），针对新冠病毒的所有 21 个靶标蛋白进行计算机辅助药物筛选。在短短数小时内实现了上千万次的模拟计算，并及时公开了钻研后果，为寰球的抗病毒研发工作提供了反对。
而在之前，如此大规模的计算往往须要几个月能力实现。
在寰球抗疫局势仍旧严厉的状况下，如此助力体现出了 AI 普惠的一面，这也正是华为云对其医疗 AI 的期待： 解决医疗畛域的根底难题，通过 AI 技术转换，为人类疾病预防、诊断、医治贡献力量。
而在算力、算法以及利用平台等各个方面都成熟的状况下，华为云医疗 AI 推动的速度也在进一步放慢。
华为云医疗智能体平台（EIHealth）曾经对外开放，如果你有趣味，能够拜访页面理解详情→ 传送门 。
本文分享自华为云社区《进击的华为云医疗 AI：顶会两篇论文连发，钻研和落地减速》，原文作者：肉肉的虫子。
点击关注，第一工夫理解华为云陈腐技术~
