潮汕在线

比赛中曾PK掉IBM、微软,融资超过500美元

  随着人工智能技术研究的日益深入,其应用范围逐渐向各行各业不断延伸。   近年来,计算机对图像的识别率得到了显著的提升,将人工智能...

  随着人工智能技术研究的日益深入,其应用范围逐渐向各行各业不断延伸。

  近年来,计算机对图像的识别率得到了显著的提升,将人工智能技术应用到医学图像识别领域能为人们带来极大方便,韩国企业CIdi就是基于这一新颖想法成立的初创公司。

  CIdi于2013年8月成立于首尔,2015年10月,Cldi更名为Lunit,缩写为学习单元(Learning unit),其主要专业领域是处理医学影像数据,利用一种基于网络的医学图像诊断软件,通过尖端的深度学习技术进行医学影像数据分析和解释,整个过程不仅仅局限于诊断,在帮助医生做出准确、快速和有效的临床决策上也提供了极大帮助。

  Anthony是Lunit的首席执行官兼联合创始人,2014年获得了韩国科学技术学院的电气工程博士学位。

  早在研究生学习期间,Anthony就组建了一个由学生组成的深度学习小组,成为后来Lunit公司成立的初始成员。Anthony是一个跨多学科的研究人员,在深度学习的图像识别领域和半导体设计等领域均拥有国际认证的专业证书。

  数据驱动成像生物标记物技术(DIB算法)

  动脉网了解到,作为一个人工智能医疗图像分析公司,Lunit通过其数据驱动成像生物标记物(DIB)算法来帮助医生做出更准确更有效的临床决策。

  2016年11月27日至12月2日在伊利诺斯州芝加哥的McCormick地方会议中心举行的2016年北美放射学会(RSNA)年度会议上,Lunit首次展示其数据驱动成像生物标记物技术。

数据驱动成像生物标记物技术(Data-Driven Imaging Biomarker,DIB技术)是一种由人工智能驱动的视觉感知技术,这种技术是通过大规模医疗图像数据导出的成像生物标记物实现的。

 
  数据驱动成像生物标记物技术(Data-Driven Imaging Biomarker,DIB技术)是一种由人工智能驱动的视觉感知技术,这种技术是通过大规模医疗图像数据导出的成像生物标记物实现的。

  DIB技术可以帮助计算机准确读取医学影像,将庞大的医学影像数据库与深度学习技术相结合,构建一个自动检测并诊断的先进算法,帮助用户快速扫描医学影像,准确获得诊断结果。

  DIB技术来源于大规模医学图像数据中提取的成像生物标记物,在医生和深度学习技术之间建立一种合作伙伴关系。

  传统的计算机辅助检测(CAD)严重依赖于放射科医师的指导,而DIB技术通过运用深度卷积神经网络的特征学习能力,使软件系统从大规模数据中自动识别出重要的特征诊断结果。

  Lunit的三大产品

  通过不断摸索,Lunit将其独特的BID技术应用到医学影像处理模型中,实现了对胸部X光片、乳房X光片以及乳腺组织病理切片的高度识别。

  (1)胸部X光摄影术(CHEST RADIOGRAPHY)

  胸部X光摄影术首次发明于1900年,作为一种最常见的诊断成像技术,主要用于评估肺部和心脏异常,辅助医生诊断和监测各种疾病(如肺炎、肺结核和肺癌)的治疗反应。

  胸部X光摄影术虽然是一项非常古老的技术,但却为医生做出临床决定提供了参考价值。

  然而准确无误地解释胸部X光仍然是一项具有挑战性的任务。

  不可忽视的是,由于成像设备本身的内在局限性以及人类视觉系统的局限性,有相当数量的胸部X光片被医生误解最后误诊,导致患者病情加重,因此在对胸部X光片的诊断准确性和一致性方面仍有改进的余地。

  Lunit的胸部X光摄影术利用BID技术来深入了解胸部X射线反映的病变情况,并设计出更好的病变计算机模型,通过深度学习不断训练该模型,提高胸部X射线整体诊断性能。

  将DIB技术用于胸部X线摄影术作为一种“第二读取器”,用于检测和鉴别胸部X光反映的异常病变如:肺炎、肺气肿、弥散性肺疾病、肺结核、肺癌和肺转移,具有较高的诊断性能。

  DIB预计将帮助全科医生和放射科医师更有效、更准确地解释胸部X光片。

  (2)乳房X光摄影术(MAMMOGRAPHY)

  乳房X光摄影术于1965年首次提出,是筛检早期乳癌的主要成像方式,利用低剂量(约为 0.7X光)检查人类(主要是女性)的乳房,它能侦测各种乳房肿瘤、囊肿等病灶,有助于早期发现乳癌,并降低其死亡率。

  在世界各地的国家癌症筛查项目中均得到广范围的应用。乳房X光摄影术在提供更早的乳腺癌检测、评估乳腺癌的早晚期程度以及乳腺癌治疗反应检测等方面有着及其重要的作用。