在医疗影像领域利用人工智能
提升准确度和效率

在中国,人工智能(具体来说是深度学习训练和推理)将甲状腺癌筛查中的结节鉴别准确度提高了 10%。

下载文档

深度学习 (DL) 和其他人工智能 (AI) 方法的进步展示它们有潜力帮助医疗系统提供高质量医疗服务。在中国,浙江大学 (ZJU) 和浙江 DE 影像解决方案有限公司与英特尔公司携手合作,训练深度学习模型,并将它们部署在深度学习推理解决方案上,用于分析甲状腺的超声波影像。该解决方案具备作为初级筛查工具来提高诊断速度和准确度的潜力,具体取决于放射科医生的经验水平。

挑战

近年来,甲状腺癌的发病率大幅提高。超声波影像是甲状腺结节的最常用诊断方法,而活体检视是一个痛苦而昂贵的过程,但通常又是确定患者是否患癌所必需的。能够进行此类影像读片的放射科医生的数量还无法满足需求,尤其是在中国这样的发展中国家,而具备能力的放射科医生承受了过重的工作负担,这可能导致疲劳和降低分析准确度。

解决方案

浙江大学数学科学学院和浙江 DE 影像解决方案有限公司与英特尔公司携手合作,训练深度学习算法,用于在患者的超声波影像中鉴别甲状腺结节,并区分它是良性还是恶性的。这些算法应用于深度学习推理解决方案,该解决方案由浙江 DE 影像解决方案有限公司创建,并在中国多家医院内部署。训练算法和解决方案都通过英特尔® 优化软件进行开发,并采用英特尔® 至强® 处理器。

“它永远不会疲倦,工作速度非常快。并非所有的放射科医生都拥有丰富的经验,特别是在基层医院。但是,此项研究表明,在人工智能的帮助下,他们能够以更高的效率和准确度进行诊断。[深度学习推理解决方案] 实现了很高的准确度,在很短时间内,就在临床实践中从概念转变为现实。没有英特尔® 人工智能技术的支持,不可能做到这一点。”
--浙江 DE 影像解决方案公司的研发主管
Yan Zixu 博士

结果

浙江大学测试了模型,用于读取甲状腺超声波图像,基于人工智能的医疗影像推理解决方案确认甲状腺肿瘤的准确度比中国甲等医院的放射科医生至少高出 10%。放射科医生能够更快速地分析影像,提高工作流程效率,让经验丰富的放射科医生有更多时间专注于复杂病例。该解决方案已用于 5000 多名患者;随着它的广泛部署,该解决方案将有助于提高医疗系统的诊断能力,改善患者的治疗效果。

断增加的癌症筛查和专家短缺问题亟需创新的解决方案

近年来,甲状腺癌的发病率大幅提高,成为中国 30 岁以下女性中发病率最高的癌症。超声波影像是甲状腺结节检查的最常用诊断方法。与更多的创伤性或更复杂的诊断方法相比,是无创伤性诊断,提供实时影像,还降低了检查费用。但是,甲状腺癌的准确诊断向我们提出了诸多挑战。甲状腺上的结节很常见。有些研究表明,将近 50% 的人都有一个或多个此类结节,5% 至 10% 的甲状腺结节是恶性的。只有 4% 至 8% 的甲状腺结节能够通过人工检查方式检测到1

由于甲状腺癌在中国的发病率不断提高,所以筛查工作也相应地增加了。经过培训且能够进行此类影像读片的专家数量还无法满足需求,尤其是在发展中国家。基于静态超声波影像读片的计算机辅助诊断能够改进放射科工作流程,提供更快速的诊断。但是,目前用于甲状腺结节的计算机辅助诊断算法只是半自动的,仍然需要医生手动选择影像。即便采用这种技术,医生通常还必须依赖活体检视来确定结节是否为恶性,这会明显增加工作负担和成本,同时也会加大患者的潜在风险和痛苦。

深度学习解决方案概要

人工智能有很多分支。其中两个是机器学习 (ML) 和深度学习(DL)。在传统的基于规则的机器学习中,医疗专业人员必须定义能够用于描述和识别影像特点的特征和特征组合。与机器学习不同,深度学习无需人们明确定义这些特征和特征组合。

深度学习算法会进行推理,学习影像中的差异,然后由开发人员确认这些差异。这些算法模仿人脑的功能,以提取医疗影像的特征,并形成更抽象的高级别特征,以便分类或识别对象。这种深度学习方法通常提供的结果准确度要高于人工方法或特征工程机器学习方法。

来自浙江大学数学科学学院和浙江 DE 影像解决方案有限公司的开发团队使用这种深度学习技术,训练对超声波影像中的病变进行鉴别和分类的算法。这些算法采用英特尔® 至强® 处理器和英特尔® 数学核心函数库(英特尔® MKL)进行训练,与早期的系统相比,它们在性能上有所改进。

浙江大学简介

浙江大学 (ZJU) 创办于 1897 年,是中国历史最悠久、最负盛名的大学之一。该校一直跻身于中国顶尖大学之列,甚至在整个亚洲也位居前列。浙江大学共有超过 45000 名学生,设有 110 多个本科专业、264 个硕士学位学科、181 个博士学位学科。该校还设有 13 个国家重点(专业)实验室、2 个国家工程研究中心和 3 个国家工程技术中心。

然后,这些算法被应用于由浙江 DE 影像解决方案公司开发的深度学习推理解决方案,并使用了英特尔® 至强® 处理器和英特尔®优化软件。他们使用来自不同医院的不同品牌和型号超声波机器的影像数据,对模型进行训练,并结合了分割、检测和鉴别技术。在无需医生介入的情况下,由浙江大学和浙江 DE 影像解决方案公司开发的算法可以很快发现原始超声波影像上的结节。然后,通过进一步分析,帮助医生判定影像中的每个结节是良性还是恶性的。这项工作可自动快速执行。图 1 显示了超声波图像中甲状腺结节的检测和选择。

将影像分析准确度提高10%

为了评估浙江 DE 影像解决方案公司的深度学习推理解决方案的准确度,他们将来自训练后算法的结果与一家中国排名前十的甲等甲状腺医院的放射科医生提供的结果进行了比较。他们将以前评过分且经过病理学报告验证的超声波影像(目前的黄金标准)作为评估目标,分别由深度学习推理解决方案和两组医生进行分析:其中一组医生平均拥有 10 年的经验,另一组医生有 2 年的经验。深度推理解决方案的鉴别准确度达到了 85% 以上,而医生的鉴别准确度平均在 65% 至 75% 之间,具体取决于放射科医生的经验水平。此外,放射科医生能够在几秒时间内检测到结节并进行诊断,而不是需要 10 分钟以上2

图 1. 原始超声波影像(左);使用深度学习进行的甲状腺结节检测和定性诊断(右)

医疗行业的企业和机构积极采用新解决方案

浙江大学使用深度学习推理解决方案,支持浙江大学医学院附属第一医院的超声波科室提供实时影像服务。他们目前还在部署该解决方案,支持由中国健康促进基金会发起的国家甲状腺结节筛查和风险评估计划,目标是对 2000 万公民进行筛查。

该解决方案在医生中收到了很好的反响。医学院附属第一医院的多位主任对该解决方案称赞有加。作为初级筛查工具,该超声波解决方案让医生能够专注于复杂病例,从而有效地减少漏诊和误诊。放射科的医生承受着很大的工作压力,每天要写数百份超声波报告。虽然大多数报告是非常基本的,但它们耗费了太多时间,长时间持续工作的情况可能影响报告的准确率。有了超声波人工智能,医生只需查看标记为可疑的区域。这种深度学习解决方案提高了诊断效率和准确度,已经成为培训初级医生的常用方法。

在使用该超声波解决方案之前,由于初级医生缺乏经验,因而通常很难及时提供报告,必须将超声波影像发给专家进行审核,而专家可能身在大城市甚至其他省份,这个过程可能花费数天甚至数周时间。而现在,他们只需几分钟时间即可生成详细的参考报告。这种技术让社区医院也能提供高质量诊断服务,减少治疗等候时间。

基于人工智能的医疗影像解决方案能够增强影像鉴别,实现更加高效和准确的诊断,更有效地利用高技能专业人员。通过提高诊断量和准确度,医疗系统能够提高放射科医生的工作效率,帮助放射科技师处理更广泛的影像鉴别任务。有了更好的诊断效率和效果,患者能够避免不必要的活体检视,在需要时更快速地得到治疗。这样能够改进患者治疗效率,提高患者和医生的满意度,帮助降低医疗保健成本。

浙江 DE 影像解决方案有限公司简介

浙江 DE 影像解决方案有限公司于 2013 年在中国成立,致力于开发医疗保健行业的影像分析和处理技术。该公司专业从事三维重建与可视化、影像分割与配准、超声波和计算机断层扫描 (CT) 算法。客户包括医疗行业中的软件开发商、设备制造商和系统集成商。该公司是杭州奥视图像技术有限公司的子公司。寻找适合贵公司的解决方案。请联系您的英特尔代表或访问 intel.cn/healthcare

人工智能,从至强® 开始

人工智能 (AI) 可以帮助您的企业将数据价值发挥到极致。快来一探究竟,看运行在 CPU 架构上的 AI 如何为您做得更多。

了解更多

如何开始人工智能之旅: 技术路径不只一条,您的选择也不只一个

在 AI 之旅的起点上,无论是传统推理、机器学习、深度学习,亦或是它们的融合,都是可选项。

了解更多

如何开始人工智能之旅: 改弦更张不合算,别忽视既有平台

无论是在机房,还是选择公有云服务,企业要充分评估既有的数据存储、处理和分析平台,基于或借助它构建和部署符合自身需求的 AI 应用。

了解更多

如何开始人工智能之旅: 你已拥有 “原力”,只待释放潜能

企业既有 IT 基础设施在 AI 应用上的潜能很强,随着 CPU 在流行深度学习框架上的持续优化和提供更多的软件工具,只需对它稍做升级,即可充分释放潜能。

了解更多

产品和性能信息

1滕卫平,“四雄合作,共享硕果——写在《甲状腺结节和分化型甲状腺癌诊治指南》出版之际”,《中华内分泌代谢杂志》第 28 卷第 10 期 (2012):777-778。
2来自浙江大学开展的一项未公开研究。