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~