腾讯医疗AI实验室公布最新研究成果,用深度学习分割头颈组织区域助力靶向治疗

简介: 腾讯此次将深度学习相关技术用于头颈区域及组织分割,是在医疗领域的一次尝试,更为医生及患者提供了更有效的治疗方式。

腾讯此次将深度学习相关技术用于头颈区域及组织分割,是在医疗领域的一次尝试,更为医生及患者提供了更有效的治疗方式。

近日,腾讯医疗AI实验室与美国加州大学联合发布最新研究成果《器官神经网络:深度学习用于快速和全自动整体头颈危及器官靶区勾画》。

据了解,在传统的头颈癌放疗过程中,为了保证最大程度让放射计都集中在靶区内,降低其他正常组织和器官受到影响的可能,医生通常会根据患者的CT图像手绘放疗靶区和危及器官。但实际问题是,手绘会花费医生大量的时间,对于患者来说,不仅治疗效率低,更重要的是可能会耽误最佳治疗时间。

TB1JKsPpH2pK1RjSZFsXXaNlXXa.jpg

因此,腾讯医疗AI实验室和加州大学提出,用深度学习模型建立一个“器官神经网络”,在1秒钟内对整张CT所有切片进行器官分割,并进行头颈病变部分的勾画,从而确保放射计的精准注射。

腾讯医疗AI实验室方面表示,在于合作医院的临床测试中,其器官神经网络大幅减少了医生的工作时间,且一定程度上提高了勾画准确率。

相关数据统计显示,每年全球大约会有超60万人患上头颈部癌症,靶向放射治疗是大多数患者的首选治疗方式。但由于头颈部重要神经和器官较多,因此其分割区分工作极为复杂。一旦隔离工作没有做到精确,周围组织受损将很有可能不可逆。

而AI在替代人工方面,最大的优势就在于效率。腾讯此次将深度学习相关技术用于头颈区域及组织分割,是在医疗领域的一次尝试,更为医生及患者提供了更有效的治疗方式。

目前,这一研究成果已被发表在国际权威期刊《Medical Physics》上。

相关文章
|
19天前
|
人工智能
AnchorCrafter:中科院联合腾讯推出的AI虚拟主播带货视频制作技术
AnchorCrafter是由中科院和腾讯联合推出的一项AI虚拟主播带货视频制作技术。该技术基于扩散模型,能够自动生成高保真度的主播风格产品推广视频,通过整合人-物交互(HOI)技术,实现对物体外观和运动控制的高度还原。AnchorCrafter在物体外观保持、交互感知以及视频质量方面优于现有方法,为在线广告和消费者参与提供了新的可能性。
134 30
AnchorCrafter:中科院联合腾讯推出的AI虚拟主播带货视频制作技术
|
6天前
|
机器学习/深度学习 人工智能 算法
探索AI在医疗诊断中的应用与挑战
【10月更文挑战第21天】 本文深入探讨了人工智能(AI)技术在医疗诊断领域的应用现状与面临的挑战,旨在为读者提供一个全面的视角,了解AI如何改变传统医疗模式,以及这一变革过程中所伴随的技术、伦理和法律问题。通过分析AI技术的优势和局限性,本文旨在促进对AI在医疗领域应用的更深层次理解和讨论。
|
6天前
|
机器学习/深度学习 人工智能 自然语言处理
AI自己长出了类似大脑的脑叶?新研究揭示LLM特征的惊人几何结构
近年来,大型语言模型(LLM)的内部运作机制备受关注。麻省理工学院的研究人员在论文《The Geometry of Concepts: Sparse Autoencoder Feature Structure》中,利用稀疏自编码器(SAE)分析LLM的激活空间,揭示了其丰富的几何结构。研究发现,特征在原子、大脑和星系三个尺度上展现出不同的结构,包括晶体结构、中尺度模块化结构和大尺度点云结构。这些发现不仅有助于理解LLM的工作原理,还可能对模型优化和其他领域产生重要影响。
47 25
|
18天前
|
机器学习/深度学习 存储 人工智能
EfficientTAM:Meta AI推出的视频对象分割和跟踪模型
EfficientTAM是Meta AI推出的轻量级视频对象分割和跟踪模型,旨在解决SAM 2模型在移动设备上部署时的高计算复杂度问题。该模型采用非层次化Vision Transformer(ViT)作为图像编码器,并引入高效记忆模块,以降低计算复杂度,同时保持高质量的分割结果。EfficientTAM在多个视频分割基准测试中表现出与SAM 2相当的性能,具有更快的处理速度和更少的参数,特别适用于移动设备上的视频对象分割应用。
36 9
EfficientTAM:Meta AI推出的视频对象分割和跟踪模型
|
23天前
|
人工智能 编解码 BI
LEOPARD:腾讯AI Lab西雅图实验室推出的视觉语言模型
LEOPARD是由腾讯AI Lab西雅图实验室推出的视觉语言模型,专为处理含有大量文本的多图像任务设计。该模型通过自适应高分辨率多图像编码模块和大规模多模态指令调优数据集,在多个基准测试中表现卓越,适用于自动化文档理解、教育和学术研究、商业智能和数据分析等多个应用场景。
39 2
LEOPARD:腾讯AI Lab西雅图实验室推出的视觉语言模型
|
20天前
|
数据采集 机器学习/深度学习 人工智能
AI在医疗诊断中的应用与挑战
随着人工智能(AI)技术的飞速发展,其在医疗领域的应用也日益广泛。从辅助医生进行疾病诊断到提供个性化治疗方案,AI技术正在改变着传统医疗模式。然而,AI在医疗诊断中的应用并非一帆风顺,面临着数据质量、模型可解释性、法规政策等一系列挑战。本文将从AI在医疗诊断中的具体应用场景出发,探讨其面临的主要挑战及未来发展趋势。
|
17天前
|
机器学习/深度学习 人工智能 安全
AI技术在医疗领域的应用与挑战
本文将探讨AI技术在医疗领域的应用及其带来的挑战。我们将介绍AI技术如何改变医疗行业的面貌,包括提高诊断准确性、个性化治疗方案和预测疾病风险等方面。同时,我们也将讨论AI技术在医疗领域面临的挑战,如数据隐私和安全问题、缺乏标准化和监管框架以及医生和患者对AI技术的接受程度等。最后,我们将通过一个代码示例来展示如何使用AI技术进行疾病预测。
29 2
|
21天前
|
机器学习/深度学习 人工智能 搜索推荐
AI技术在医疗领域的应用##
本文探讨了人工智能(AI)技术在医疗领域的应用,包括其在疾病诊断、治疗计划制定、患者监护和健康管理等方面的潜力。通过分析AI如何帮助医生更准确地诊断疾病,提高治疗效果,以及降低医疗成本,我们可以预见到一个更加智能、高效和人性化的医疗未来。 ##
|
18天前
|
机器学习/深度学习 人工智能 搜索推荐
AI技术在医疗领域的应用与前景
本文探讨了人工智能(AI)技术在医疗领域的应用,包括疾病诊断、治疗方案制定、药物研发等方面。通过对现有研究成果的梳理,分析了AI技术在提高医疗服务效率、降低医疗成本、改善患者体验等方面的潜力。同时,也指出了AI技术在医疗领域面临的挑战,如数据隐私保护、伦理道德问题等,并展望了未来的发展趋势。
69 2
|
19天前
|
机器学习/深度学习 人工智能 机器人
AI技术在医疗领域的应用及挑战
本文将探讨人工智能(AI)在医疗领域的应用及其面临的挑战。我们将从AI技术的定义和分类开始,然后详细介绍其在医疗领域的具体应用,如疾病诊断、药物研发等。最后,我们将讨论AI在医疗领域面临的挑战,包括数据隐私、伦理问题等。