平安科技10篇论文入选美国顶级年会，技术探索和应用切中前沿

本篇文章3249字，读完约8分钟

秋天是收获的季节。最近，平安科技人工智能中心的10篇论文入选miccai 2019国际医学影像计算机辅助干预会议和rsna2019北美放射学年会。

Miccai(国际医学图像计算和计算机辅助干预会议)是由国际医学图像计算和计算机辅助干预协会主办的一个综合性学术高层年会，重点讨论医学图像处理和辅助治疗技术。在2019年贡献较2018年增长近70%的背景下，平安科技人工智能中心产生的五篇高得分论文显示出极高的研究质量。

北美放射学会是放射学的盛会，是放射学临床研究的风向标。每年11月底至12月初在美国芝加哥举行。这是全球放射学临床研究成果和主要医疗设备制造商发布其产品的重要时机。会议论文代表了放射医学应用研究的最高水平。

在科研过程中，平安科技人工智能中心与国家卫生研究院临床中心和林口长庚纪念医院密切合作。合作论文分别被纳入5个miccai 2019和rsna 2019(其中3个miccai为早期接受，1个为会议口头报告；Rsna 4是口头报告)。

平安科技人工智能中心的所有研究工作都有顶尖临床医生的积极参与。通过深入沟通和密切合作，根据临床痛点，双方共同提出问题，然后解决问题。基于本研究的特点，从研究的一开始就确定了它是一种临床上的必然，这对于未来技术应用于患者的准确诊断和治疗具有积极的意义，同时也代表了平安科技的研究不仅处于技术探索的前沿，而且在临床应用上也得到医学界的认可，为进一步的临床迭代提供了坚实的基础。

平安科技人工智能中心是由世界顶尖算法专家、平安集团首席科学家肖静博士领导的团队。团队成员包括平安科技学院执行院长、医学人工智能领域著名学者吕乐博士。它汇集了一批从约翰霍普金斯大学、爱荷华大学、多伦多大学、不列颠哥伦比亚大学和阿尔伯塔大学等著名大学毕业的高端人才，他们曾在西门子、英伟达和美国国立卫生研究院等著名企业和研究机构工作。

四篇论文的结果如下:

1.髋部骨折的敏感性超过95%

髋部骨折是外伤中常见的问题。据统计，髋部骨折占全身骨折的20%以上，并且具有很高的致残率和死亡率。髋部骨折通常在急诊科通过髋部x光诊断。由于内出血，急诊医生需要在短时间内对骨折做出准确的判断。髋关节和骨盆骨结构复杂，在x光检查中经常与其他内脏器官重叠形成伪影，使得骨折诊断困难，常导致急诊室高压环境下骨折的误诊或漏诊。

平安科技人工智能中心与著名的长庚医院创伤急救中心合作，提出了一种新的人工智能技术(骨盆x光弱监督万能骨折检测)，对髋部骨折的敏感性和特异性均超过95%，对老年人常见的股骨骨折的敏感性高达99%。该算法已达到国际领先医院创伤外科医生和急诊医生的水平。

图1:髋部骨折自动检测系统，红色块是人工智能自动检测的骨折部位

y.wang，等，“骨盆x射线中弱监督通用骨折检测”，医学图像计算和计算机辅助干预国际会议(miccai)，中国深圳，2019(早期接受)

c.cheng等人，使用级联深度网络对创伤患者的骨盆x光片进行通用高性能骨盆/髋部骨折检测，rsna，芝加哥，美国，2019年(科学口头论文)

2.无监督学习识别异常胸片

x光胸片是放射科业务中最大的影像类型。近年来，特别是自2017年美国国立卫生研究院发布胸片公共数据集以来，人工智能在x光胸片中的应用层出不穷。由于胸片数量庞大，不同医院甚至同一医院的不同设备的数据来源是不同的。此外，目前主流的人工智能系统开发采用监督式深度学习方法，要求医生标注各种胸部X线疾病体征，这给研发带来了沉重的负担。

平安科技人工智能中心与美国国立卫生研究院合作，在如何适应不同数据源的x光片以及如何用弱监督甚至无监督的方法识别异常胸片方面进行了大胆的探索，取得了令人满意的效果。在无监督模式下开发的金枪鱼网在识别儿童肺炎x光片的任务中取得了auroc=0.963的结果，这与监督学习的结果(auroc=0.981)非常接近。

图2:金枪鱼网无监督学习下的儿童肺炎识别

y.tang，y. tang，等，“tuna-net:用于跨域胸部x射线疾病识别的面向任务的无监督敌对网络”。2019年在中国深圳举行的医学影像计算和计算机辅助干预国际会议

y.tang，y. tang，et al .，task-oriented unsupervised advantarial network for disease recognition in cross-domain胸片，rsna，chicago，usa，2019 (scientific oral paper)

3.食管癌靶区的自动规划

在放射治疗中，临床目标体积(CTV)应覆盖可见肿瘤区域和微小肿瘤细胞，如淋巴结。这在实践中是困难的，它取决于负责放射治疗的医生的水平，并且不同的医生所描绘的临床目标区域将是相当不同的。因此，客观的临床目标区域分割算法在食管癌放疗计划中起着关键作用。

平安科技人工智能中心提出的研究方法将食管癌临床目标区域的分割设计为基于空之间的位置/距离和图像特征的模型，其中空之间的模型包括肿瘤、淋巴结和危险器官，该深度学习模型可以更好地推断临床目标区域的边界。食管癌放射治疗计划中临床靶区划分的研究非常重要，但以往的工作很少，这是一个新的里程碑。

图3食管癌放疗计划临床靶区规划效果图

d.jin，d. guo，et al .，deep食道临床目标体积描绘使用肿瘤、淋巴结和危险器官的编码3d空间环境，医学图像计算和计算机辅助干预(miccai)国际会议，中国深圳，2019(早期接受)

d.jin，d. guo，等，“使用双流链式3d深度网络融合的pet/ct中的精确食管肿瘤体积分割”，医学图像计算和计算机辅助干预(miccai)国际会议，中国深圳，2019(早期接受，口头介绍)

4.进一步提高了一般病变检测的准确性

影像医生的主要工作是仔细阅读医学图像，找到各种病变，测量其大小，然后在影像报告中描述病变。因此，自动病变检测、描述/分类和分割算法一直是医学图像人工智能的研究热点。然而，以前的大部分工作都集中在特定器官的单任务算法上，例如肺和肝脏损伤的检测或测量。

平安人工智能中心的研究试图将检测、描述和分割三个任务结合起来。基于合作伙伴nih发布的深部病变数据集，平安人工智能中心开发了一个通用病变检测系统、一个描述系统和一个分割系统，它们通过一个示例分割框架有机地结合在一起。同时，采用三维特征融合策略和决策调整策略，利用病变描述结果提高病变检测的准确性。本研究在深度病变数据集上实现了一般病变检测的最佳准确度，超过了帝国理工学院团队之前的最佳结果。

图4:一般病变检测系统，首先看到病变生长的地方，然后进行自动分类测量

k.yan，y. tang，等，mulan:多任务通用病变分析网络用于联合病变检测、标记和分割”，医学图像计算和计算机辅助干预国际会议，中国深圳，2019

k.yan，y. tang，et al .，mulan:多任务通用病变分析网络，用于联合病变检测、标记和分割”，rsna，chicago，usa，2019 (scientific oral paper)

关于平安科技

平安科技是平安集团旗下的技术解决方案专家，致力于利用人工智能、云和其他技术，为金融服务、医疗保健、汽车服务、房地产服务和智能城市这五大生态圈赋予力量。平安科技以“无限云”为价值主张，积极践行“科技改变生活”的企业理念，立志成为国际领先的“人工智能+云”公司。

作为平安集团的高科技核心，技术解决方案已应用于550多个场景，积极培育智能业务，帮助构建生态闭环；作为it后台综合管理平台，开发运营平安重点平台和服务，支持平安保险、银行、投资、互联网等业务高效协调发展；平安科技也是云平台的积极建设者。作为平安服务的综合输出平台，平安云为整个行业提供iaas、paas和saas全栈云服务。创建的生态系统已经服务了5亿用户，并扩展到海外市场。