【項目動态】深蘭獲MICCAI 2020競賽大獎 計算機視覺有效提升CT圖像診斷智能(néng)化水平
10月8日，國(guó)慶長(cháng)假的最後(hòu)一天，行業頂級會議“2020年國(guó)際醫學(xué)圖像計算與計算機輔助介入大會（MICCAI2020）”在秘魯首都(dōu)利馬落下帷幕。深蘭科技DeepBlueAI團隊在骨折檢測及分類競賽（Rib Fracture Detection and Classification Challenge）分類賽道(dào)中，戰勝了來自劍橋大學(xué)、上海交大、浙江大學(xué)等國(guó)内外名高校及多家AI醫療公司的參賽隊伍，獲得了第三名的好(hǎo)成(chéng)績。
而深蘭科技早已深耕AI醫療領域，其自主研發(fā)的基于三代測序的核酸檢測一體機就在防疫等衛生安全領域創造了更爲便捷、高效的價值，并在今年7月舉辦的2020世界人工智能(néng)創新大賽産業場景應用賽（醫療方向(xiàng)）上獲得第一。
MICCAI系列會議始于1998年，由CVRMed（計算機視覺、虛拟現實和醫療機器人）、MRCAS（醫學(xué)療器人和計算機輔助手術）和VBC（生物醫學(xué)計算可視化）三個會議合并而成(chéng)，第一屆MICCAI大會于1998年在美國(guó)馬薩諸塞州的波士頓舉行，現已成(chéng)爲該領域首屈一指的國(guó)際會議。會議的一般主題包括醫學(xué)圖像計算、計算機輔助介入、導航系統和機器人、可視化和虛拟現實、計算機輔助診斷、生物科學(xué)和生物學(xué)應用、特定的成(chéng)像系統和新的成(chéng)像應用等。
獲獎方案分享
by DeepblueAI
賽題介紹
骨折檢測及分類競賽（Rib Fracture Detection and Classification Challenge）旨在提高骨折醫學(xué)CT圖像的診斷智能(néng)化水平，以期改善當前骨折診斷中存在的嚴重依賴醫生經(jīng)驗導緻的，效率較低及存在誤診風險的問題。比賽提供3D 醫療CT數據及标注，任務分爲檢測（以3D分割形式實現）和分類兩(liǎng)個方面(miàn)，即識别出CT圖像中的骨折區域并判斷出骨折的類型（共有四種(zhǒng)骨折類型）。檢測評價指标采用FROC，分類則用Macro-average F1指标來評價。
賽題難點
由于醫療CT數據的特殊性，比賽中存在著(zhe)諸多難點：
受限于數據采集及标注成(chéng)本，比賽能(néng)夠提供的訓練數據有限；
各類骨折類型數據分布的不均衡及較高的相似性；
骨折區域形狀各異，而且多呈現不規則的狹長(cháng)型；
存在較多小目标骨折區域；
骨折區域的邊界難以劃分；
3D數據帶來的巨大顯存、計算壓力及分析的困難。
解決方案
數據分析與增強
在常規的翻轉、裁剪等3D數據增強之外，通過(guò)數據分析我們發(fā)現，CT圖像中絕大部分都(dōu)爲背景區域，而且骨骼區域與人體其他區域具有一定的相似性。我們對(duì)CT數據設定了動态阈值使得骨骼區域特征更加突出，以便于更好(hǎo)地學(xué)習骨折區域的特征，同時我們還(hái)舍棄了脖頸部位及腰部區域的CT信息以減少背景區域的幹擾。
3D分割
我們使用3D語義分割配合後(hòu)處理的方式，來實現實現骨折區域的檢測。在3D語義分割架構上，我們先後(hòu)嘗試了經(jīng)典的3D Unet、Vnet、DeepMedic以及SkipDenseNet3D等模型，其中DeepMedic通過(guò)設計高低分辨率兩(liǎng)個分支的方式，分别獲取全局語義信息以及局部紋理信息，實現了更爲優異的性能(néng)，最終被(bèi)選作我們的基礎架構。此外，我們在3D模型中使用空洞卷積增加感受野并引入OCM注意力模塊，性能(néng)獲得進(jìn)一步提升。
骨折類型判斷
通過(guò)對(duì)3D語義分割做适當的超參調節，我們獲得了大量疑似骨折區域的候選部位，其中含有較多的誤檢結果，需要做進(jìn)一步分類處理。由于CT數據中骨折區域分布彼此較爲獨立，我們對(duì)語義分割的結果做聚類、圖像形态學(xué)處理及連通域提取，随即可獲得骨折的實例分割結果。通過(guò)結果分析，我們舍棄了結果中過(guò)小的預測區域，同時嘗試不同的測試參數配置，最終得到了一個較高的分類準确率。
總結
在本次比賽中，我們對(duì)3D CT數據做了很多探索工作，在數據的前處理及後(hòu)處理上做了大量的優化，并將(jiāng)注意力機制引入到分割模型中，搭建了完整的3D實例分割系統，實現了對(duì)CT圖像中骨折區域的檢測和分類，獲得了良好(hǎo)的分類精度。我們相信随著(zhe)研究的深入，以深度學(xué)習爲代表的計算機視覺技術將(jiāng)在醫療診斷中得到越來越多的應用。
