▲LUNA16最新官網排行
大賽要求選手對888份肺部CT樣本進行分析，尋找其中的肺結節。樣本共包含1186個肺結節，75%以上為小于10mm的小結節。最終，ET在7個不同誤報率下發現的肺結節平均召回率達到89.7%，超出第二名0.2%。
▲FROC曲線
召回率指在樣本資料中成功發現的結節占比。上圖顯示了ET在不同誤報次數下的召回率情況。
比賽中，阿裡雲ET醫療大腦克服了一系列挑戰：結節模态複雜，早期的結節小(小于10mm)，傳統的機器學習和用于自然圖像的深度學習網絡通常難以湊效。
阿裡巴巴iDST視覺計算團隊負責人華先勝介紹，與常用的兩階段檢測方法不同，他們創新性地使用了單階段方法，全程無須人工幹預。機器全自動讀取病人的CT序列，直接輸出檢測到的肺結節。
在模型結構設計上，ET針對CT切片的特性，采用多通道、異構三維卷積融合算法、有效地利用多異構模型的互補性來處理和檢測在不同形态上的肺結節CT序列，提高了對不同尺度肺結節的敏感性;同時使用了帶有反卷積結構的網絡和多任務學習的訓練政策，提高了檢測的準确度。
華先勝是視覺識别和搜尋領域的國際級權威學者，曾獲選國際電氣與電子工程協會院士(IEEE Fellow)、美國計算機協會ACM傑出科學家。
▲肺部CT資料
國家癌症中心公布的數字顯示，肺癌在所有惡性惡性良性腫瘤發病及死亡中均占首位。胸部CT放射影像技術，是肺癌早期篩查的有效手段。但是由于CT掃描影像數量多(一次CT掃描影像通常在200張以上)，醫生診斷的時間長，加上工作量大，容易疲勞，人工誤差不可避免。人工智能成為新的選擇。
目前，這一技術已經內建到阿裡雲ET醫療大腦中。ET醫療大腦可在精準醫療、醫學影像、藥效挖掘、新藥研發、健康管理、可穿戴裝置等領域承擔醫生助手角色，并已在肺癌、宮頸癌、甲狀腺癌等領域實作突破。
在視覺計算領域的持續攻堅，是阿裡巴巴“NASA”計劃的一部分。不久前，該團隊還打破了全球權威機器視覺算法測評平台KITTI的世界紀錄，将車輛檢測的準确率拉升至90.46%。這項技術後被應用到ET城市大腦中。
原文釋出時間為：2017-07-14
本文來自雲栖社群合作夥伴IT168，了解相關資訊可以關注IT168
原文标題：阿裡雲人工智能ET奪肺結節診斷世界冠軍