雷锋网 AI 研习社按，日前，由生物医学成像范畴顶级学术会议 ISBI（（IEEE International Symposium on Biomedical Imaging）举行的 IDRiD 眼底图剖析竞赛成果揭晓。从排行榜上可以看到，来自中国的研讨机构表现相当亮眼——科大讯飞「iFLYTEK-MIG」团队在病灶联系竞赛的 MA（微动脉瘤）子项目上排名第一，安全科技「PATech」团队在病灶联系竞赛的 EX（硬渗出）子项目上排名第一。
浙江大学、新加坡国立大学、新加坡生物信息学研讨所结合北京上工医信公司组成的团队在视神经盘与地方凹检测竞赛上得分抢先。
此次眼底图剖析竞赛共分为病灶联系、疾病分级、视神经盘与地方凹检测三个分赛道，病灶联系竞赛中包括微动脉瘤（MA）、出血点（HE）、软渗出（SE）、硬渗出（EX）四个子项目，讯飞「iFLYTEK-MIG」团队在病灶联系的四个目标 MA/HE/SE/EX 上的得分排名辨别为 1/3/3/2，雷锋网 AI 研习社第一工夫联络到「iFLYTEK-MIG」团队，理解到这一优秀成果面前的个中细节，同时，也得悉讯飞在医疗图像范畴获得的打破与停顿。
图：眼底图四种病灶表示图（via：科大讯飞）
竞赛细节
在病灶联系、疾病分级、视神经盘与地方凹检测这三个分赛道上，排名抢先的科大讯飞战争安科技都只是选择参与第一项赛事而疏忽了后两项，「iFLYTEK-MIG」团队对 AI 研习社解释道，「其他几项竞赛对医生的辅佐意义并不是很大，不能很好地提升医生的任务效率与精确率。」
iFLYTEK-MIG 团队次要来自科大讯飞 AI 研讨院，研讨方向是人工智能在医学影像范畴的技术及使用。基于专业知识和实地调查经历，他们表示，病灶联系可以给医生带来极大的利好。「我们在竞赛中检测的微动脉瘤（MA）实践上是十分之小的，在一张 4000x3000 像素的图上，MA 能够只占 10x10 个像素左右，很容易被医生脱漏。依据我们的调研，高程度的医生看一份眼底图找到一个 MA 能够要消耗 4 到 5 分钟，目前我们的零碎只需求几秒钟，而且速度还有优化空间，可以大幅进步医生的任务效率。」
提到参赛初衷，他们对雷锋网 (大众号：雷锋网) 表示，关于讯飞来说，眼底图是之前不断没有尝试过的病种，也是方案马上要做的。在机缘巧合之下，看到 ISBI 在举行 IDRiD 这样一个国际竞赛，所以马上选择投入参与。
在该竞赛中，官方提供的数据集只要 516 张图像，虽然主办方表示可以运用其他内部数据，但 iFLYTEK-MIG 团队并没有这样做。「我们参与竞赛的目的次要是验证已有算法的无效性，能否能到达比拟好的效果。眼底的疾病，不管是糖尿病视网膜病变，还是其他一些相关疾病，都是经过对病灶停止联系、检测来做辅佐诊断。」
他们在这个数据集上大约投入了一个月工夫，基于已有的算法停止设计改良。竞赛中，算法的无效性失掉了充沛证明。「将来，在获取更少数据后，医学影像辅佐诊断零碎的精确度可到达更高程度。」
而这场竞赛的难点在哪里？讯飞表示，「与自然场景图像不同，眼底图像的分辨率普通在 4000*3000 像素左右，而有些小的 MA 病灶能够仅占有几十个像素，而且不同病灶的面积往往相差很大，因而会招致正负样本比例失衡、检出特异性（specificity）较高等成绩。」
针对以上难点，他们基于 coarse-to-fine 思想做了如下改良：
在 Encoder-Decoder 框架下交融空泛卷积操作、self-attention 机制，设计出一种新的联系网络，在不损失原始图像信息的前提下，疾速定位出可疑病灶区域并给出联系边界。
新增了一个虚警抑制网络以及矫正网络，进步灵敏度和特异性。
与 LUNA 评测的区别
值得一提的是，半年前，讯飞在 LUNA 上取得均匀召回率 94.1% 的检测效果，刷新世界纪录。LUNA (LUng Nodule Analysis) 评测是肺结节检测范畴最威望的国际评测，也是医学影像范畴最具代表性、最受关注的评测义务之一。召回率低意味着零碎会漏掉患者的关键病灶信息，对患者的安康形成很大隐患。
事先，为了提升召回率，讯飞次要采用了如下几种办法：
多尺度、多模型集成学习；
运用结节联系和特征图交融的战略来改善虚警的增多和反复检测成绩；
应用 fully 3D-CNN 模型来计算特征图，并在特征图上停止检测；
提出一种无效样本发掘战略，可以经过在线学习进程自动过滤可疑错误样本。
而这种对肺结节检测的方案中，有无可以迁移到这次的眼底检测竞赛中的技术？讯飞表示，LUNA 中的肺部 CT 是三维数据，那时分的办法是基于 3D-CNN。参与 LUNA 前他们曾经有了肺结节方面的辅佐诊断零碎，所以那次是直接使用。这次的眼底图像竞赛是二维图像，算法上会有比拟大差异，详细就任务上，完成原理也有所不同。
他们表示：「这对讯飞来说是一个从无到有的进程。」
后续，他们在竞赛中采用的算法会宣布在相关范畴顶级期刊上，促停止业的共同提高。「算法的效果及效率都比拟优良，我们觉得对行业开展还是能起到一些鼓励作用。假如只给医生一个『黑盒子』的后果，那样很难让他们服气。」
适用性思索
其实早在 2016 年底，谷歌就应用深度学习诊断糖尿病视网膜病变，并号称获得了与专业医生相媲美的效果。他们事先运用运用 Inception-v3 网络，应用 12.8 万幅图片组成的数据集来训练算法。而在 2018 年终，Google 旗下的 DeepMind 宣布训练出了一种 AI 医学影像算法，号称可以比人类医生愈加高效精确地反省出眼底疾病。他们与 NHS 和全球最好的眼科医院之一——伦敦 Moorfields 眼科医院，停止了长达两年的协作，来验证这项算法的无效性。
目前，讯飞医学影像辅佐诊断零碎已在全国协助近百家医院停止肺结节和乳腺钼靶的影像筛查，那么他们这一眼底图诊疗算法还有多久投入适用？他们表示，「在这次算法的无效性被充沛验证之后，下一步，我们会确定协作医院和科室，对零碎停止进一步的研讨。」
目前来说，国际次要的成绩是医疗影像数据缺乏一致规范。讯飞在临床上做的许多试点任务中常常会碰到如下难题：基于一家医院数据学习到的零碎迁移到另一家医院时，零碎的效果会有比拟大的折扣。「由于国际各医院的影像设备技师在操作进程中，根本都是依照本人医院的小规范去做的；不同影像设备之间也会有所差别，这些差别关于影像科医生来说，花一些工夫便可以顺应，但关于机器来说，由于它依赖数值计算，所以数值上的很大差别会对机器形成不利的影响，因而机器也需求一次再学习的顺应进程，这是很不利于零碎推行的。」
目前，为了实在推进医疗影像数据的规范化，他们还在依据不同的医院需求去一家家修正零碎。
适用的路途是迂回的，他们补充道，进一步改良该眼底图像诊断零碎之后，详细使用将在年内落实。
竞赛详细信息： https://idrid.grand-challenge.org/home/
（完）
ISBI：ISBI 是由 IEEE 信号处置协会 (SPS) 和 IEEE 生物医学工程协会 (EMBS) 共同发起的专门研讨生物医学成像的国际学术会议。
。
