影像研究再获突破!深睿医疗创新科研成果被顶级期刊ER及MIA收录

作者:动脉网 2019-09-05 17:00

{{detail.short_name}} {{detail.main_page}}

{{detail.description}} {{detail.round_name}} {{detail.state_name}}

{{detail.province}}-{{detail.city}}
{{detail.setup_time}}
融资金额:{{detail.latest_event_amount}}{{detail.latest_amount_unit}}
投资方: · {{item.latest_event_tzf_name}}
企业数据由提供支持
查看

在科研创新能力上,深睿研究院(Deepwise AI Lab)一直处于行业领先地位,是目前行业内规模最大的专注于人工智能医疗领域的研究机构之一,从成立以来一直致力于医疗前沿科技的探索,通过科技与临床的结合,产生了众多兼具临床价值和科技创新性的科研成果,陆续被国际顶级期刊和会议收录。


截止到目前为止,深睿研究院在人工智能与机器学习顶级期刊及会议(如TPAMI、TCyb、ICML、CVPR、ICCV、ECCV、AAAI等)上发表论文三十余篇,其中涵盖了计算机视觉和模式识别领域三大顶级国际会议,尤其是连续两年在备受瞩目的顶级会议CVPR(谷歌2019学术榜Top 10)上均有学术成果发表,在国内人工智能领域的科技公司中处于前列;同时,在医学影像计算与分析领域,如IPMI、MICCAI、ISBI、RSNA、ECR等顶级会议上,发表论文近二十篇。近期,深睿研究院又有两篇科研成果被刊登在国际顶级学术期刊上,体现了深睿研究院的持续创新能力。


屏幕快照 2019-09-05 下午4.43.52.png 


其中与中国医学科学院肿瘤医院共同完成的“Long-term follow-up of persistent pulmonary pure ground-glass nodules with deep learning”(https://doi.org/10.1007/s00330-019-06344-z)被国际顶级放射学杂志European Radiology收录并发表。European Radiology是欧洲放射学会的会刊,创刊于1991年,在行业具有广泛影响力和不可或缺的学术地位,是放射学领域专家学者们不可或缺的信息来源,代表了最前沿的放射学科学,在综合类影像期刊中居第2位。


当前,肺癌已经成为中国发病率和致死率第一的癌症,而在国内通过人工智能技术辅助肺癌筛查已经得到了广泛的应用,但目前普遍停留在利用深度学习进行肺结节检测研究上。然而,对于肺结节的生长评估鲜有研究,尤其是对亚实性结节(纯磨玻璃结节和部分实性结节)的长期管理在临床上具有重要意义。


其中管理长期存在的纯磨玻璃结节pGGN(Pure Ground Glass Nodule)存在着更多的争议。为了解决这些争议,有必要研究长期存在的pGGN的生长进展,精确测量其生长速度,并识别出影响其进展的风险因素。这篇论文的研究工作正是利用深度学习技术对肺部pGGN进行自动分割,并基于随访数据开展上述研究,为临床上量化评估肺结节提供给更为精准的依据。


本研究中,pGGN的自动检出和分割由来自深睿医疗的Dr. Wise®AI肺结节辅助诊断系统实现,综合利用递归神经网络(Recurrent Neural Network, RNN)和卷积神经网络(Convolution Neural Network, CNN),超过目前任何单一分割方法的效果。基于Dr. Wise®AI肺结节辅助诊断系统对基线以及所有随访的胸部CT影像数据进行肺结节自动检出和分割,自动计算出pGGN的直径、密度、体积、质量、VDT(体积倍增时间)和MDT(质量倍增时间),并通过以上量化指标探究肺pGGN的自然生长规律,准确测量pGGN的生长速度;评估影响pGGN生长的危险因素,为临床上管理pGGN提供了重要的参考。本研究的结果表明,深度学习技术可辅助揭示pGGN的自然生长规律;其中长期存在的pGGN表现为惰性生长;有分叶征和较大基线直径、体积和质量的pGGN随访过程中更容易出现生长。



屏幕快照 2019-09-05 下午4.44.21.png 

图1. 分叶状征、初始平均直径、初始体积和初始质量是预测pGGN是否进展的关键指标

 

同时,深睿研究院与北京理工大学合作完成的论文“A deep network for tissue microstructure estimation using modified LSTM units”(https://doi.org/10.1016/j.media.2019.04.006)被刊登在Medical Image Analysis(MIA)。MIA是国际医学图像计算和计算机辅助干预会议MICCAI的官方期刊,创刊于1996年,关注将计算机视觉、虚拟现实和机器人技术应用于医学影像领域的科研成果,其影响因子逐年上升,2018年达8.88,行业内知名专家学者关注度极高,被誉为高质量论文的衡量标尺。

 

屏幕快照 2019-09-05 下午4.45.17.png


本论文基于改进的长短时记忆(Long-Short Term Memory,LSTM)单元提出了一种用于估计组织微观结构的通用深度网络MESC-Net,提升了弥散磁共振成像 (Diffusion Magnetic Resonance Imaging,dMRI)质量。dMRI为非侵入式评估组织的微观结构提供了一种独特的工具,但由于模型较为复杂,通常需要带有大量弥散梯度的扫描序列来提升图像质量,而这导致了扫描时间的延长。在使用较少的弥散梯度时,用复杂信号模型来精确描述组织的微观结构具有一定的挑战性。所以,如何基于较少的弥散梯度得到较好的dMRI图像质量是科研上持续探索的一个难题。


本文提出的MESC-Net网络在弥散梯度减少的情况下可以提升图像质量,对于临床扫描上的价值则是可以缩短扫描时间,提升临床效率。另外,本研究提出的网络结构是一种通用的估计微观组织结构的网络,而不只是局限于某一种模型,为了验证该算法的通用性,实验还评估了基于三种信号模型NODDI(neurite orientation dispersion and density imaging)、 SMT(spherical mean technique)、 EAP(ensemble average propagator)估计得到的组织微观结构结果。实验结果表明MESC-Net可成功地应用于三种不同的模型,该方法可以作为组织微观结构估计的通用方法,拥有广泛的临床应用前景。

 

屏幕快照 2019-09-05 下午4.45.56.png

图2. 基于NODDI模型用MESC-Net计算得到的vic/viso/OD的横截面示意图,

AMICO/MLP/MEDN/MEDN+/m-MEDN+均为对比方法


深睿医疗是一家注重前沿科技探索的公司,作为AI医疗领域的引领者,始终坚持将最先进的人工智能技术应用到医疗领域,以俞益洲教授(ACM 杰出科学家/IEEE Fellow)为核心的深睿研究院,一直致力于探索前沿的人工智能科技在医学领域的应用,通过Dr.Wise®多模态科研平台的助力,不断深化与医院、高校在临床问题上的科研合作,提升科研效率,产出高质量的科研论文,并促进成果转化,让前沿人工智能技术和研究更加贴近临床需求,让AI真正落地到实际临床场景,助力国家智慧医疗建设。 


进入2019年,深睿研究院有8篇论文入选人工智能顶级会议CVPR2019,实现了图像识别与医学影像分析等技术的创新性突破,跻身中国论文发布数量排名前列的科技公司之一。在今年10月召开的医学影像分析顶级国际会议MICCAI和11月召开的国际计算机视觉顶级会议ICCV上,深睿研究院又有10篇关于医疗人工智能领域的科研论文被收录。截止到目前为止,深睿研究院已发表50余篇顶级学术论文,累积影响因子超过80,论文接收率超过50%,彰显出深睿研究院强大的科研能力。

如果您想对接动脉网所报道的企业,请填写表单,我们的工作人员将尽快为您服务。


注:文中如果涉及企业数据,均由受访者向分析师提供并确认。如果您有资源对接,联系报道项目,可以点击链接填写基本信息,我们将尽快与您联系。

声明:动脉网所刊载内容之知识产权为动脉网及相关权利人专属所有或持有。转载请联系tg@vcbeat.net。

分享

微信扫描二维码分享文章

企业
对接
商务
合作
用户
反馈