第 3 章
人工智能将推进医学成像技术的发展
医学成像可能是人工智能最有前途的临床应用。无论是诊断癌症、检测骨折,还是识别神经或胸部疾病,人工智能都可以帮助快速诊断,并协助医生提供所需的治疗方案。
解决方案
Ryohei Nakayama 是一名来自日本京都立命馆大学的研究人员,他使用 MATLAB 创建了一个深度学习卷积神经网络 (CNN),以重建使用超低剂量 CT 扫描捕获的高分辨率图像。
- 首先,这名研究人员使用 MATLAB 将 CT 图像分为局部小区域,并通过对低剂量和正常剂量区域进行配对来创建图像字典。随着字典的增大,搜索时间越来越长,让人难以承受,因此 Nakayama 探索使用了卷积神经网络 (CNN)。尽管它的训练时间较长,但生成结果的速度要快得多。
- 其次,Nakayama 利用 MATLAB 评估了大约 128 个不同的 CNN 变体,尝试了不同的输入大小和滤波器以及各种数量的卷积层。
- 为了加速训练过程,他在多个 NVIDIA® GeForce 系列 GPU 上使用 Parallel Computing Toolbox™ 进行了并行训练。
- 为了监控训练进度,Nakayama 使用 Deep Learning Toolbox™ 中的监控可视化选项绘制了准确度和损失图。
结果
基于 CNN 的系统为医生提供了同等程度的诊断信息,同时将患者的辐射暴露量降低了 95% 之多。
- 最初,该团队使用 Statistics and Machine Learning Toolbox 执行了特征工程,并训练了多个机器学习模型,包括支持向量机 (SVM) 和随机森林分类。
- 然后,他们开始使用 Deep Learning Toolbox 探索了 CNN,并在 MATLAB 中使用了 17 种不同的预训练网络,包括 AlexNet、SqueezeNet、ResNet 和 Inception。
- 他们基于由 14,000 多张图像构成的数据集,对 17 种不同的网络进行了训练。对于基于特征的组合,他们使用了每个 CNN 中的最后一层全连接层的输出来训练 SVM 或随机森林分类器。为了做出推断,他们计算了每个 CNN 所生成的分类概率加权平均值。
- 通过创建 SERA Web App 并使用 MATLAB Web App Server™ 部署它,经过训练的 CNN 已在延世大学的合作医院中得到应用。
结果
诊断测试表明,这些 CNN 的表现和专业放射科医生一样出色。该应用被医学生用作其培训的一部分,也被经验丰富的放射科医生用来提供客观的第二诊断意见。
参考文献
[4] Bruno, Michael A., Eric A. Walker, and Hani H. Abujudeh.“Understanding and Confronting Our Mistakes:The Epidemiology of Error in Radiology and Strategies for Error Reduction.”Radiographics 35, no. 6 (2015):1668–1676. https://doi.org/10.1148/rg.2015150023.
[5] Center for Devices and Radiological Health.“Artificial Intelligence and Machine Learning (AI/ML) Enabled Medical Devices.”U.S. Food and Drug Administration.FDA.2022 年 10 月 5 日更新。https://www.fda.gov/medical-devices/software-medical-device-samd/artificial-intelligence-and-machine-learning-aiml-enabled-medical-devices
您也可以从以下列表中选择网站:
如何获得最佳网站性能
选择中国网站(中文或英文)以获得最佳网站性能。其他 MathWorks 国家/地区网站并未针对您所在位置的访问进行优化。
美洲
- América Latina (Español)
- Canada (English)
- United States (English)
欧洲
- Belgium (English)
- Denmark (English)
- Deutschland (Deutsch)
- España (Español)
- Finland (English)
- France (Français)
- Ireland (English)
- Italia (Italiano)
- Luxembourg (English)
- Netherlands (English)
- Norway (English)
- Österreich (Deutsch)
- Portugal (English)
- Sweden (English)
- Switzerland
- United Kingdom (English)
亚太
- Australia (English)
- India (English)
- New Zealand (English)
- 中国
- 日本Japanese (日本語)
- 한국Korean (한국어)