癌癥，猶如黑暗中的魔鬼，帶給人們恐懼與絕望。而肺癌，在我國作為發(fā)病率、死亡率最高的一類癌癥，傷害著無數(shù)家庭。在我國每年都有近60萬人死于肺癌。然而，癌癥的死亡率與首次發(fā)現(xiàn)癌癥的時期緊密相關(guān)，早期肺結(jié)節(jié)篩查可以為無數(shù)人免去痛苦與折磨。上海交通大學人工智能實驗室徐奕教授、倪冰冰教授、楊小康教授、朱禹萌同學等人與點內(nèi)科技合作，利用深度學習搭建的肺結(jié)節(jié)自動定位篩查系統(tǒng)，能夠有效檢測肺 CT 影像中包含微小結(jié)節(jié)、磨玻璃等各類結(jié)節(jié)，并降低假陽性誤診的發(fā)生，實現(xiàn)「早發(fā)現(xiàn)，早診斷，早治療，早痊愈」的愿望。該算法獲得了天池大數(shù)據(jù)比賽的第一名，這個比賽吸引了全國兩千多支參賽團隊，總獎池高達百萬，面向全社會各大醫(yī)院、高校、公司、研究所參加。

　　團隊利用計算機視覺領(lǐng)域卷積神經(jīng)網(wǎng)絡技術(shù)來解決肺結(jié)節(jié)檢測問題，并在多個層面上進行創(chuàng)新。1）結(jié)合物體檢測與分割算法提取候選結(jié)節(jié)，產(chǎn)生高召回率候選結(jié)節(jié)池。2）使用假陽性衰減網(wǎng)絡，并采取多尺度集成學習的網(wǎng)絡模型提高檢測精度，衰減假陽性比例。3）在數(shù)據(jù)的處理上，采取生成對抗網(wǎng)絡進行了數(shù)據(jù)增廣，提高了訓練的有效性。

　　算法框架如圖

　　數(shù)據(jù)預處理

　　通過旋轉(zhuǎn)平移等幾何變換針對有限數(shù)量的正樣本做數(shù)據(jù)多樣性增廣，類似于醫(yī)生通過不同的視角、不同的上下文去分析結(jié)節(jié)區(qū)域，并利用生成對抗網(wǎng)絡（GAN），從隨機噪聲中產(chǎn)生新的結(jié)節(jié)正樣本，學習生成新形態(tài)的結(jié)節(jié)樣本，深度增廣數(shù)據(jù)的多樣性，提升模型泛化能力。

　　結(jié)節(jié)預檢測

　　建立 3D-Unet 網(wǎng)絡結(jié)構(gòu)，該分割網(wǎng)絡主要功能是提取疑似候選結(jié)節(jié)，最大化敏感度，降低漏檢率。 其網(wǎng)絡輸入三個維度的數(shù)據(jù)特征，可從多個 Z 軸維度「觀察」，正如醫(yī)生結(jié)合多個平面觀察結(jié)節(jié)，從而充分學習肺內(nèi)部正常紋理和非正常紋理的區(qū)別，捕捉到結(jié)節(jié)多樣性特征，比如毛玻璃結(jié)節(jié)密度比周圍略高、呈云霧狀性，純實性結(jié)節(jié)實性密度較高，類似單獨分離的蛋黃等。

　　結(jié)節(jié)精檢測

　　結(jié)節(jié)精檢測采用三種模型分別預測候選結(jié)節(jié)概率，并根據(jù)模型間權(quán)重比例給出最終概率的方法。主要優(yōu)勢在于，負樣本經(jīng)歷由易至難的學習過程，分割網(wǎng)絡和后續(xù)假陽性衰減網(wǎng)絡相輔相成。多結(jié)構(gòu)類型的模型 Ensemble，且單一網(wǎng)絡性能良好，類似于多個醫(yī)生獨立閱片的過程，綜合給出閱片結(jié)果。

　　結(jié)果

　　這一算法在阿里云與英特爾聯(lián)合舉辦的天池醫(yī)療 AI 大賽中大獲全勝，以 0.732 的成績從兩千多組強勁隊伍中脫穎而出，在比賽最為重要的復賽賽程中排名第一。

　　根據(jù)算法訓練出的模型能夠更好地處理不同形態(tài)的結(jié)節(jié)特征，達到很好的檢測效果，在 400 例小結(jié)節(jié)測試數(shù)據(jù)上，F(xiàn)ROC 曲線如圖所示：

　　值得注意的是，該算法診斷 20 萬張肺結(jié)節(jié)片需要 10 分鐘，遠遠少于醫(yī)生人工診斷的時間，在提升準確率的同時，節(jié)約了醫(yī)生的時間，真正在診斷流程上做好了醫(yī)生的助手。團隊也將算法真正投入到上海各大醫(yī)院進行試驗與使用，嵌入醫(yī)生診斷流程當中，真正造?；颊?。