达摩院医疗AI团队提出的新方法在识别罕见肿瘤方面表现显著

5月9日消息，据阿里达摩院透露，该院医疗AI团队的一篇论文已被计算机视觉国际顶会CVPR2023评为Highlight，这篇论文提出了一种全新的医学图像语义分割框架，能够解决视觉领域的OOD难题，让AI更加准确地识别罕见肿瘤。diN28资讯网——每日最新资讯28at.com

这篇名为《Devil is in the Queries: Advancing Mask Transformers for Real-worldMedical Image Segmentation and Out-of-DistributionLocalization》的论文聚焦于医学影像分割任务。AI已经可以从CT等医学影像中分割出疑似病灶，帮助医生判断是否存在病变。但由于现有的监督学习方法存在先天缺陷，严重依赖于数据的收集和标注，一旦遇到长尾问题，AI的识别准确度就会大幅下降，这就是著名的OOD难题。在医学影像领域，这个问题表现为各种各样的疑难杂症、罕见病，容易让AI犯错。为了解决这个难题，达摩院医疗AI团队提出了一个全新的医学图像语义分割框架MaxQuery。diN28资讯网——每日最新资讯28at.com

据ITBEAR科技资讯了解，MaxQuery框架不仅能够准确分割和识别常见肿瘤等分布内目标，还能够利用MaskTransformers的聚类特性来定位罕见肿瘤等OOD目标。具体来说，由于框架自带的聚类机制，分布内目标会在特征空间被映射到距离聚类中心近的点，而OOD目标则相反。此外，团队还提出了QueryDistribution Loss(QD损失函数)，加强了聚类分配的多样性，既能提升分布内目标分割的精度，又能提高OOD肿瘤的分割和识别的准确性。diN28资讯网——每日最新资讯28at.com

为了验证新方法的准确性，研究团队构建了胰腺肿瘤全病种和肝脏肿瘤全病种两个医疗影像的数据集，包括1088名患者的连续对比的增强CT影像。实验证明，新方法显著提了OOD定位能力，在最重要的AUPR指标上平均提升14.69%;在常见肿瘤分割性能上，新方法较业界标杆nnUNet提升了5.27%。也就是说，达摩院的新方法能够更准确地识别胰腺和肝脏中的常见肿瘤和罕见肿瘤。diN28资讯网——每日最新资讯28at.com

OOD难题一直是医学AI的一大挑战。达摩院医疗AI团队负责人吕乐表示，该论文不仅提出了一个通用又简单的全新计算框架，而且在定量结果上有显著提升，为临床应用打下坚实基础，有望真正帮助到医生和病人。据悉，达摩院医疗AI团队正在研发精准癌症诊疗AI影像系统，包括规模筛查、精准诊断、预后治疗、响应评估等全流程的癌症诊疗技术，覆盖多个重要病种。该团队长期致力于医学影像等方向研究，曾在疫情初期研发出CT影像新冠肺炎AI辅助诊断系统，被科技部评为全国科技抗疫先进集体。diN28资讯网——每日最新资讯28at.com

本文链接：http://www.28at.com/showinfo-45-1516-0.html达摩院医疗AI团队提出的新方法在识别罕见肿瘤方面表现显著

声明：本网页内容旨在传播知识，若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。邮件：2376512515@qq.com

上一篇： 微软领先生成式AI领域 AI技术或将提高生产力和医疗保健

下一篇： 李楠分享vivo X Flip使用心得 称其小巧设计打破“魔法数字”