进击的华为云医疗AI：顶会两篇论文连发，研究和落地加速

乾明 发自 凹非寺
量子位 报道 | 公众号 QbitAI

同时两篇研究成果被行业顶会收录，华为云医疗AI布局，低调浮出水面。

2020年国际医学图像计算和计算机辅助干预会议（MICCAI 2020），论文接收结果已经公布。

其中，华为云医疗AI团队和华中科技大学合作的2篇研究成果入选。

MICCAI 2020横跨医学影像计算和计算机辅助介入两个领域，已经有16年发展历史，是国际公认的行业顶尖学术会议。

不仅有国际影响力和学术权威性，还是医学影像分析领域的前沿热点风向标，更是验证相关研究成果含金量的地方。

语义/实例分割问题是近年来医学图像计算领域的一个热门研究课题，70％以上的国际竞赛都是围绕着它展开。

此次华为云医疗AI团队的2篇论文，针对的是医学图像计算领域中语义/实例分割问题，探讨如何将心脏、肝脏、前列腺等器官的原始图像数据转化为高价值的空间结构化信息。

具有很强的临床使用价值，不仅能够辅助医生决策，还能帮助医生完成术前规划，肿瘤动态监控等任务。

在研究论文中，华为云医疗AI团队提出的方法，用于解决由医疗设备成像、器官病灶本身构造等因素造成的待分割物体边缘不清晰问题——这是此前深度学习算法很难发挥效力的场景。

华为云团队提出的两个方法中，每一个都展示出了超越传统方法的效果。

医疗+AI最新成果

其中一篇论文，名为“Pay More Attention to Discontinuity for Medical Image Segmentation”，研究的是如何分割好医疗影像中不连续的区域（比如器官病灶等）。

论文中表示，已有的分割方法在处理这种情况时，经常错误地将区域内的不连续位置误判为区域边界，导致预测的区域边界不准确。

比如下图中的情况（左侧是标签图，右侧是已有方法分割图像的情况，黄圈是缺失部分）：

在这篇论文中，华为云医疗AI团队联合华中科技大学，论述了区域内不连续问题导致边缘分割不准确的概念，并提出了解决方法：提升不连续位置的注意力。

具体来说，是应用边缘检测器来识别不连续的位置，并将此“不连续”监督信号添加到loss目标函数中，配合常规Dice loss组合成多任务目标学习函数，以此进行更精准的边缘识别，算法框架如下图所示：

他们将这一算法在三种医学图像分割任务上进行了全方位验证，分别是：MRI心脏分割数据集-Cardiac500、MRI前列腺分割数据集T2-SPIR和MRI肝脏分割数据集Medical Segmentation Decathlon。

结果显示，相比于已有基线方法，衡量分割结果的核心指标都有所提升。其中。在心脏分割迁移任务上Cardiac500迁移到ACDC的结果提升了5.1个百分点。

为了进一步验证他们提出的方法有效性，他们还进一步分析了Cardiac500数据集中2645个测试样本的分割结果分布，结果显示完全消除了核心指标小于0.8的样本，相比之下，基线方法有13个样本低于0.8。

另一篇论文，题目为“Learning Directional Feature Maps for CardiacMRI Segmentation”，同样是华为云医疗AI团队联合华中科技大学的研究成果。

通常情况下，磁场不均匀和在核磁共振成像过程中脏器运动等因素会产生伪影，使得目标边界模糊。

但当前基于深度学习的分割方法由于缺乏有效的语义像素级关联，导致分割出来的目标物体无法维系解剖学结构，如下图所示：

这就是华为云医疗AI团队这篇论文要解决的问题，他们提出了一种通过学习方向特征图，强化像素间语义级关联，通过增加类间距，缩小类内距，来维持物体解剖学结构，实现高精度的边缘分割。具体过程如下图所示：

首先，用U-Net来学习初始分割效果图。之后，基于U-Net主干，通过DF模块学习每个像素方向场的强度信息和方向信息。

接下来，利用学习得到的方向场信息对初始分割效果进行迭代修正，使用脏器中间分割结果指导边缘分割。最后，联合初始分割效果+方向场学习+修订的分割效果等任务进行多任务学习。

论文中展示了这一方法的分割以及泛化性能。相比已有的方法，其在心脏分割迁移任务上（Self-collected ->ACDC， ACDC ->Self-collected）分别提升了1.1个点和1.7个点。

基于行业热点研究课题，两篇论文都被业内顶会收录，华为云医疗AI的实力可见一斑。

基于上述两种方法，华为云医疗AI团队联合华中科技大学联合开发了一套基于深度学习的心脏AI服务，可实现心脏各结构的自动分割、并进行精准量化分析，实现单病例量化结果的秒级输出，AI+医生复核总体效率是纯人工量化评估速度的数十倍。目前，该服务已成功在华为云上线。

但这只是其近年来研究成果的一部分，华为云在医疗AI领域，已经深耕许久，尤其是在医学影像领域。

华为云医疗AI布局浮出水面

从研究成果来看，事实上，在去年的MICCAI以及MICCAI-MIML上，华为云医疗AI团队已经有3篇论文入围，覆盖宫颈癌筛查、脑中风分割以及平片诊断报告自动生成等应用场景。

在近年来多个医学影像相关的AI挑战赛事上，华为云的技术实力也都达到了世界领先水平。

比如在Grand-Challenge胎儿超声影像头围测量比赛（HC18）上，华为云超过了香港中文大学、中国科学院、加拿大女王大学等100多个大学和科研机构，以1.89mm的平均绝对误差取得第一。

前段时间，我们报道了IEEE Fellow、AI大牛田奇加入担任华为云人工智能领域首席科学家。

田奇作为计算机视觉领域大牛，主导AI视觉方向的前沿研究，他加入之后，想必会提升华为云在计算机视觉领域的基础研究实力。

可以预见，在田奇加入后，华为云医疗AI，尤其是医学影像方面，未来还会有更大的进展。

但不仅仅是研究，华为云还在积极探索怎样将AI技术快速落地。

过去的这几年，他们与医疗行业中的企业及医院和高校合作，为用户提供端到端的AI使能平台，推动AI应用到行业场景中。

2019年6月，华为云与金域医学合作，在AI辅助病理诊断应用开发方面取得突破性进展。

他们训练出的宫颈癌筛查模型，在排阴率高于60%的基础上，阴性片判读的正确率高于99%，同时，阳性病变的检出率超过99.9%。

一举成为国际上已公布的AI辅助宫颈癌筛查的最高水平。而且在诊断速度上也大大提升：每例病理判读仅需36秒，是人工判读的10倍。

疫情期间，华为云与蓝网科技等合作伙伴，打造出了基于人工智能的医疗影像辅助诊断系统，将诊断效率从过去的10-15分钟变为10-15秒，极大地缓解了医疗压力。

在多年技术的积累下，华为云已经面向行业推出了企业级的医疗影像AI平台，支撑全流程可追溯的端到端AI建模，助力医疗影像AI更加系统、快速、安全地走向市场。

此外，在基因组和制药领域，华为云也有了不少布局和积累。

今年新冠疫情爆发后不久，华为云就与合作伙伴一起组成了联合攻关团队，基于华为云医疗智能体平台（EIHealth），针对新冠病毒的所有21个靶标蛋白进行计算机辅助药物筛选。

在短短数小时内完成了上千万次的模拟计算，并及时公开了研究结果，为全球的抗病毒研发工作提供了支持。

而在之前，如此大规模的计算往往需要几个月才能完成。

在全球抗疫形势依旧严峻的情况下，如此助力体现出了AI普惠的一面，这也正是华为云对其医疗AI的期待：

解决医疗领域的基础难题，通过AI技术转换，为人类疾病预防、诊断、治疗贡献力量。

而在算力、算法以及应用平台等各个方面都成熟的情况下，华为云医疗AI推进的速度也在进一步加快。