在过去的十年里,使用腹部超音波来检查器官异常情况的技术,并未出现太大的变化,医生在病人的腹部上移动着扫描器,凝望着显示器上模糊不清的影像。不过美国研究人员进行的深度学习研究成果,却可以将进行这个过程的速度加快一千倍,且准确度还能更高。

腹部超音波检查通常要进行约半小时的时间,看起来不是很久,可是医院每年都要进行上千次的扫描活动,院方还是得花上不少时间来为许多患者提供这项服务。

腹部超音波检查用以诊断肾脏、肝脏或胆囊等在内各种人体内部器官的异常情况,医师要耗费不少力气找到正确的角度,才能形成超音波影像,还有用文字描述这些画面及记录相关测量数据。

西门子与范德堡大学的研究人员采用深度学习技术,致力于自动执行上述作业。他们使用 NVIDIA TITAN X GPU 与 cuDNN 加速的 PyTorch 深度学习框架,开发首个能同时分类和检测器官及任何异常情况的系统。

研究人员使用他们开发出的模型,也将整个检查过程加快许多,患者无需长时间坐着进行腹部超音波检查,只要几秒钟便可完成,这代表在医院执行单次超音波检查的时间,该团队的系统就能执行近30次的检查。

范德堡大学电机工程与计算机科学研究助理教授,也是 的首席研究员 Yuankai Huo 说:「我的目标是开发多项强大又高效率的医学影像分析算法,以理解大量的医学影像资料。」

教导机器人执行多工作业

到目前为止,过去在医疗影像作业自动化方面已经尝试部署了多个神经网络,每个负责分类及特征点检测的一项工作。可是多数超音波扫描仪上的运算能力及储存资源有限,让这些作为变得不切实际。

研究团队的新型深度学习系统以单一神经网络处理所有任务,提高效率和实用性,以求克服这些限制。他们使用706名患者超过18.7万张影像来训练系统,也是因为 NVIDIA TITAN X GPU 能加速处理之故,让他们能达成目标。

简单介绍腹部超音波分析的工作。右上角代表相关特征检测任务,分别以红色和绿色代表长轴及短轴。

在系统对患者扫描结果里的器官进行分类与检测之实验性研究内,该团队的研发成果获得到了回报:他们的系统不仅打败过去的神经网络,在正确诊断异常情况方面,表现也较人类专家更为出色。

「NVIDIA GPU 让我们拥有更强大的运算能力,使得我们实现以前做不到的科学目标,我觉得由于运算能力的进步,改写了整个医学影像分析领域的发展面貌。」Huo 说。

医疗领域与深度学习技术的进步,患者或许无需再坐着接受冗长的超音波检查程序,医师也会有更多时间跟患者讨论制订适当的治疗计划。