数据变“药方”,深度学习可以追踪肿瘤发展-阿里云开发者社区

开发者社区> 雷锋网> 正文

数据变“药方”,深度学习可以追踪肿瘤发展

简介:

数据变药方,深度学习可以追踪肿瘤发展

技术创新正在变革医疗与健康产业,雷锋网持续关注医疗领域出现的软硬件创新,包括设备、数据,抑或对他们的创新运用。目前我们在招募医疗健康领域作者,负责采写报道医疗科技领域的企业与牛人。简历投递至zhangchi@leiphone.com,或加微信nksimons撩。

长期以来,医生都是用肉眼查看医学图像,来确定癌症治疗过程。不过来自Fraunhofer医学图像计算研究所的研究人员开发的软件,可以提示图片中的变化,用深度学习加速诊断过程。

在治疗过程中,医生需要回答肿瘤是否有收缩,是否有新的肿瘤发展,这样的问题。为此他们通常会进行CT和MRI扫描,然后观察图像进行评估。这一过程中难免出现差错,但软件可以确实肿瘤的体积如何随着时间的变化而变化,并帮助检测新肿瘤。这种新的程序由模块化的处理组件组成,可以帮助医疗技术制造商自动监测进度。

计算机自己学习

程序使用了深度学习技术,它有助于图像分割,期间专家会指定出精确的器官轮廓。现有的分割程序会根据清晰的图像特征来完成这一过程,比如一定的灰度值。但这往往会产生错误,比如软件会将不属于某一器官的区域分给它。这些错误要由医生来纠正,但通常很耗时。

新的深度学习方法则可以改善结果,节省时间。研究人员用149个患者的CT肝脏图像训练软件,结果表明,程序分析的数据越多,就越能自动识别出肝脏轮廓。

新方法的另一应用是图像配准,即软件会将不同条件下患者的图像进行匹配,方便医生进行比较。机器学习可以帮助定位躯干中的骨转移 (原发于身体其他部位的恶性肿瘤,通过各种途径转移至骨骼并在骨内继续生长所形成子肿瘤),这都是极困难的任务。目前,这种转移往往会因为临床诊断的时间限制而被忽视,但深度学习方法能帮助尽早发现,提高治疗效果。

现在,机器学习在医疗上的应用已经很普遍,有商业医疗软件加入了这类图像配准算法。雷锋网(公众号:雷锋网)曾介绍了12家用机器学习与癌症作战的公司,除了影像诊断,还涉及药物挖掘和风险预测等。或许,以后数据也会成为新的治疗“药方”。


本文作者:张驰

本文转自雷锋网禁止二次转载,原文链接

版权声明:如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件至:developerteam@list.alibaba-inc.com 进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容。

分享:
+ 订阅

秉承“关注智能与未来”的宗旨,持续对全球前沿技术趋势与产品动态进行深入调研与解读。

官网链接