海内外71支劲旅角逐青光眼AI,视杯盘宰割义务体素科技团队斩获第一

MICCAI(Medical Image Computing and Computer Assisted Intervention)始于1998年的麻省理工学院,意在探索医学影像、计算机辅助介入以及两者融合的价值。20逾年的发展,MICCAI已成为医学影像分析行业的顶级学术会议。百度组织的眼科医学影像分析研讨会OMIA (Ophthalmic Medical Image Analysis)是眼科影像领域的重点研讨会之一,至今已举办八届。2021MICCAI之上,OMIA将议点聚焦于青光眼之上,举办了GAMMA挑战赛

海内外71支劲旅角逐青光眼AI,视杯盘宰割义务体素科技团队斩获第一

MICCAI(Medical Image Computing and Computer Assisted Intervention)始于1998年的麻省理工学院,意在探索医学影像、计算机辅助介入以及两者融合的价值。20逾年的发展,MICCAI已成为医学影像分析行业的顶级学术会议。

百度组织的眼科医学影像分析研讨会OMIA (Ophthalmic Medical Image Analysis)是眼科影像领域的重点研讨会之一,至今已举办八届。2021MICCAI之上,OMIA将议点聚焦于青光眼之上,举办了GAMMA挑战赛,汇聚全球的青光眼人工智能算法,海内外总计71支在此举行角逐。

本次比赛的参与方将对300例成对的3D眼底OCT体数据和2D眼底彩照数据举行处理,具体包括三个子义务:1)青光眼分级;2)黄斑中央凹定位;3)视杯&视盘宰割。简而言之,每个子义务对应了一个衡量眼科AI优劣的关键。

在这场世界级的较量中,医疗人工智能企业体素科技医疗影像团队联合上海交通大学电子系图像所组建的Voxelcloud Team实力强劲,从71支劲旅之中脱颖而出,夺得第2名的优异成绩,并在视杯&视盘宰割这一子义务中排名第1。

海内外71支劲旅角逐青光眼AI,视杯盘宰割义务体素科技团队斩获第一

图:GAMMA挑战赛最终排名

据体素科技参赛团队介绍,之所以能在大赛之中拔得头筹,是因为其比赛过程中采纳的模型聚集了多种业界先进的算法技术,并由团队举行了充分的定制化。

针对黄斑定位义务,团队采纳了业界最新的TransUNet[3],并结合U2-Net的部分模块对黄斑区域举行宰割和定位。针对杯盘宰割义务,团队想到了一个二阶段的宰割策略:首先举行简略的杯盘区域定位,然后在定位到的视盘区域图像块上进一步举行杯盘精细宰割。

此外,团队采纳了TransUNet等先进的网络架构举行简略杯盘区域宰割和定位,并引入了Polar Transformation[1]以增强图像特征的表达能力。在精细宰割阶段,团队采纳了最新的算法框架,包括Segtran[4],TransUnet[3]和CE-Net[2]来举行杯盘的宰割义务,并采纳平均投票的方法来对不同模型的预测结果举行集成来提高宰割准确度。

海内外71支劲旅角逐青光眼AI,视杯盘宰割义务体素科技团队斩获第一

图:阶段1简略的视盘宰割流程

海内外71支劲旅角逐青光眼AI,视杯盘宰割义务体素科技团队斩获第一

图:阶段2精细的杯盘宰割流程

视杯&视盘的精准宰割对于青光眼的评估至关重要,在临床实践中,垂直杯盘比(CDR)越大,青光眼患病风险越高。具体来讲,视盘是视网膜上视觉纤维汇集穿出眼球的部位,是视神经的始端。当视盘出现出血、盘沿变薄、血管屈膝、杯盘比扩大等体征时,极可能发生青光眼病变。因此,团队在这一环节的优异成绩为青光眼分级乃至后续的诊断打好的良好的基础。

青光眼是全球第二位致盲眼病,据WHO预测,2020年全球原发性青光眼将达到7964万名,其中11.2%的患者将失明,中国全人群原发性青光眼患者将达到2182万名,占全球27.4%。从数据之中我们可以窥见青光眼AI的价值。

在海量的需求之下,体素科技将不断深入研究青光眼AI辅助分析工具,帮助更多患者实现青光眼的早筛早治,将潜藏的黑暗时刻扼杀于摇篮之中。

参考文献

[1]  Fu, Huazhu, et al. "Joint optic disc and cup segmentation based on multi-label deep network and polar transformation." IEEE transactions on medical imaging 37.7 (2018): 1597-1605.

[2] Gu, Zaiwang, et al. "Ce-net: Context encoder network for 2d medical image segmentation." IEEE transactions on medical imaging 38.10 (2019): 2281-2292.

[3]  Chen, Jieneng, et al. "Transunet: Transformers make strong encoders for medical image segmentation." arXiv preprint arXiv:2102.04306 (2021).

[4] Li, Shaohua, et al. "Medical Image Segmentation using Squeeze-and-Expansion Transformers." arXiv preprint arXiv:2105.09511 (2021).

原创文章,作者:新闻助手,如若转载,请注明出处:https://www.iaiol.com/news/hai-nei-wai-71-zhi-jing-lyu-jue-zhu-qing-guang-yan-ai-shi/

(0)
上一篇 2021年 9月 29日 下午2:18
下一篇 2021年 10月 12日 上午11:00

相关推荐

  • 产业实践推动科技创新,京东科技集团3篇论文当选ICASSP 2021

    ICASSP 2021将于2021年6月6日-11日在加拿大多伦多拉开序幕,凭借在语音技术领域的扎实积累和前沿创新,京东科技集团的3篇论文已经被 ICASSP 2021接收。

    2021年 8月 25日
  • 行业现状令人失望,工作之后我又回到UC伯克利读博了

    呆板学习领域近来受到大模型的冲击,很多小公司表示难以承担大模型的训练费用。但行业中呆板学习工程的发展具体是怎样的?

    2022年 7月 19日
  • 过失调试精确到行、match-case模式匹配……Python 3.10正式版真的很友好

    几天前,Python 3.10 正式版终于颁布了。这次,想必每个程序员都会爱上它。

    2021年 10月 12日
  • 大模型时代还不理解自注意力?这篇文章教你从头写代码实现

    自注意力是 LLM 的一大核心组件。对大模型及相关应用开发者来说,理解自注意力非常重要。近日,Ahead of AI 杂志运营者、机器学习和 AI 研究者 Sebastian Raschka 发布了一篇文章,介绍并用代码从头实现了 LLM 中的自注意力、多头注意力、交叉注意力和因果注意力。太长不看版这篇文章将介绍 Transformer 架构以及 GPT-4 和 Llama 等大型语言模型(LLM)中利用的自注意力体制。自注意力等相关体制是 LLM 的核心组件,因此如果想要理解 LLM,就需要理解它们。不仅如此,这

    2024年 2月 16日
  • 规模化机械学习崛起、「零断定」架构出现,德勤呈文2021九大技巧趋向

    《德勤2021年技巧趋向》呈文研究了疫情一年来对企业战术、运营和技巧带来的连锁反应,论述了其重大发现:全球企业在加速数字化战术转型,从而构建「韧性」、开创全新的经营模式。呈文讨论了接下来18至24个月及以后驱动企业规划背后的九大技巧趋向,包括现在的工作环境、人工智能产业化、关键外围业务的升级以及撑持多样性、公道性和包容性的技巧等内容。这些技巧趋向也同时明确了动荡一年所带来的更具希望的一面。日前,德勤管理咨询正式发布了《2021技巧趋向呈文》。本年度呈文研究了疫情一年来对企业战术、运营和技巧带来的连锁反应,论述了其

    2020年 12月 31日
  • 每月1万美元,OpenAI供应资助和导师,这些年轻学者在钻研什么?

    半年来,9 位「毕业生」完成了从转行、入门到精通的钻研旅程。

    2021年 5月 11日
  • 这场较量,让上百个AI智能体「卷起来了」

    过去数年,随着神经网络、基于加强进修的自我博弈、多智能体进修和模仿进修等通用机器进修理论的突破,AI 智能体的计划才智实现了飞跃式发展。可以看到,不管是谷歌、微软、IBM 等全球科技巨头,还是国内一众 AI 龙头企业,在学术研究和产业落地上,它们的关注焦点都在从智能感知向智能计划过渡。「计划 AI」成了领域内的必争之地。今年 5 月,谷歌旗下的机构 DeepMind 发布 Gato,这款全新的 AI 智能体能够在「广泛的情况中」完成 604 项不同的任务。Gato 的诞生,再次刷新了单智能体的才智上限。当然,关于

    2022年 8月 19日
  • 降低门槛,全平台运用,昇腾还会手把手地教你如何用AI

    机械之心报道作者:泽南如何才能做到 AI 运用一次开发,全场景布署?昇腾给出了答案。如今的大多数 AI 运用程序都必要跑在多种类型的处理器上,覆盖数十个版本的操作系统,运行在从端侧到云计算集群的各种设备上。这样复杂的环境,对软件的适应性和模型的可裁剪、可伸缩性提出了极高要求。AI 开源框架也在顺应这股潮流,昇腾发布的 CANN、MindSpore、MindX 等对象,可以让开发者实现「统一端边云,全端自动布署」,开启了机械进修开发的新时代,一直被人们寄予厚望。昇腾的 AI 全栈软件平台。其中,基础架构作为连接硬件与

    2021年 3月 19日
  • 达摩院发布AI遥感分解云平台,助力提升地球科学研究作用

    3月3日,达摩院发布AI Earth地球科学云平台,平台集成了PB级开源卫星遥感数据、十余种遥感AI算法、云端高性能估计和存储资源,助力研究者开展农业灾害分解、气候变化分解、水体水质分解等科研工作。卫星遥感影象是人类对地观察的重要信息来源,但获取、处理以及分解应用卫星遥感数据的链路较长、成本较高。研究人员需要向卫星数据运营机构申请获取数据或者下载行业公开数据,在本地估计机存储配置后才能进行数据分解。而分解环节对机器的估计和存储资源要求较高,普通估计机无法满足大规模影象数据分解的需求。另外,现有分解方法自动化程度低、

    2022年 3月 3日

发表回复

您的电子邮箱地址不会被公开。 必填项已用 * 标注