7 月 14 日，国际权威肺结节检测大赛 LUNA16 的世界纪录被一家中国企业打破。阿里云 ET 凭借 89.7% 的平均召回率夺得世界冠军，超出第二名 0.2%。此项技术突破由华先胜带领的阿里巴巴 iDST 视觉计算团队完成，华先胜是视觉识别和搜索领域的国际级权威学者，曾获选国际电气与电子工程协会院士 (IEEE Fellow)、美国计算机协会 ACM 杰出科学家。
LUNA16 比赛是国际上权威的肺结节检测比赛，大赛提供的整个数据集包含 888 份 CT 数据，共 1186 个肺结节，75% 以上的结节都是小结节（小于 10 mm）。数据集被等分成 10 个子集，参赛者要求利用这 10 个子集进行 10 次交叉验证，最后 10 个子集的测试结果合并作为最终的提交结果。评价程序将 FROC 曲线在 7 个不同误报率下对应的召回率平均值作为算法性能的评价结果。
LUNA16 最新官网排行
在这次比赛中，他们完成了一系列肺结节检测方法上的挑战：结节模态复杂，早期的结节小（小于 10mm），传统的机器学习和用于自然图像的深度学习网络难以凑效。iDST-VC 团队使用了单阶段方法，全程不需要人工干预。据阿里巴巴 iDST 视觉计算团队负责人华先胜向机器之心介绍，这一单步流程是使用深度神经网络读取病人的 CT 序列，直接输出检测到的肺结节。在模型结构设计上，针对 CT 切片的特性，采用多通道、异构三维卷积融合算法，利用多异构模型的互补性来处理和检测在不同形态上的肺结节 CT 序列，以此提高对不同尺度肺结节的敏感性，同时还使用了带有反卷积结构的网络和多任务学习的训练策略，提高检测准确度。
FROC 曲线，召回率指在样本数据中成功发现的结节占比，上图显示了 ET 在不同误报次数下的召回率情况。
以往，肺结节检测系统是通过分割或检测模型筛选出包含大量假阳性结果的候选集，再通过分类的方法降低假阳性率。相比较而言，单步流程的优势在于，整个模型可以实现端到端的训练，更加符合现代深度学习的思想，从而效果更优，其次是系统更加简单快速，无论是模型的训练还是预测，速度都要远远快于基于两步流程的方法，更重要的是，单步流程涉及到超参数更少，系统更加鲁棒，对样本的适应性更强。
据了解，目前这一技术已经集成到阿里云 ET 医疗大脑中。国家癌症中心公布的最新数字显示，中国 2013 年恶性肿瘤发病率为 270.59/10 万，死亡率为 163.83/10 万，而肺癌在所有恶性肿瘤发病及死亡中均占首位，中国每年约 59.1 万人死于肺癌。肺癌生存率与首次确诊时的疾病阶段高度相关。由于早期肺癌多无明显症状，导致肺癌临床确诊时往往已达中晚期，治疗费用高但效果不佳。因此，对肺癌的早期检测和早期诊断就显得尤为重要。
肺部 CT 资料
胸部 CT 放射影像技术，是肺癌早期筛查的有效手段，但由于 CT 扫描影像数量多，一次扫描通常达到在 200 张以上，医生诊断的时间长、工作量大，疲劳之下人工误差不可避免。将大数据驱动的人工智能应用于肺癌早期诊断中，让计算机自动、快速、准确的从病人的肺部 CT 扫描序列中发现疑似结节位置，则可以降低肺癌早期筛查的成本，提高检测速度和检测的准确率。
阿里巴巴 iDST 的视觉计算团队与阿里健康共同进行了相关应用的开发，下一步也将继续向合作伙伴输出。7 月 11 日，阿里健康「Doctor You」在北京万里云医学影像中心正式对外发布。在现场，阿里健康演示了 CT 肺结节智能检测引擎在远程影像诊断流程中的真实应用场景，Doctor You」对 30 名患者产生的近九千张 CT 影像进行智能检测和识别，将第一轮筛查出的疑似结节标记出来，作为辅助诊断结果，提供给 4 名医生进行审查。30 分钟的诊断时间结束，经现场医生确认并统计，「Doctor You」正确识别肺结节的准确度达到 90% 以上。
在视觉计算领域的持续攻坚，是阿里巴巴「NASA」计划的一部分，对于医疗领域的应用也已经有较多突破。目前，ET 医疗大脑在精准医疗、医学影像、药效挖掘、新药研发、健康管理、可穿戴设备等领域承担医生助手角色，并已在肺癌、宫颈癌、甲状腺癌等疾病早期筛查方面实现应用。
本文为机器之心编译，转载请联系本公众号获得授权。
✄------------------------------------------------
加入机器之心（全职记者/实习生）：[email protected]
投稿或寻求报道：[email protected]
广告&商务合作：[email protected]
点击阅读原文，查看机器之心官网↓↓↓
