機(jī)器學(xué)習(xí)已逐漸成為推進(jìn)癌癥檢測(cè)和診斷的重要工具。癌癥在其影響的組織中會(huì)引起不同類(lèi)型的變化，所以癌癥在組織中的存在最終會(huì)導(dǎo)致其物理特性的變化，例如密度或孔隙度的變化。這些變化可以在醫(yī)學(xué)圖像中作為信號(hào)識(shí)別出來(lái)。機(jī)器學(xué)習(xí)算法的作用是挑選出這個(gè)信號(hào)，并用它來(lái)確定正在成像的特定組織是否癌變。
以乳腺癌為例，乳腺超聲彈性成像是一種新興的成像技術(shù)，通過(guò)以非侵入性的方式評(píng)估潛在乳腺病變的剛度，從而提供有關(guān)該病變的信息。
乳腺癌是女性癌癥相關(guān)死亡的主要原因。據(jù)統(tǒng)計(jì)，有將近1/10的乳腺癌被誤診為良性，這意味著病人可能會(huì)失去關(guān)鍵的治療時(shí)間。另一方面，女性做的乳房X光檢查越多，出現(xiàn)假陽(yáng)性結(jié)果的幾率也越大。經(jīng)過(guò)10年的年度乳房X光檢查，大約2/3的沒(méi)有癌癥的患者可能被懷疑患癌，并接受侵入性干預(yù)，比如組織活檢。
與傳統(tǒng)的成像方式相比，乳腺超聲彈性成像利用了關(guān)于癌性和非癌性乳腺病變特征的更精確信息，顯示出更高的準(zhǔn)確性。然而，這一過(guò)程的關(guān)鍵是一個(gè)復(fù)雜的計(jì)算問(wèn)題，解決起來(lái)既費(fèi)時(shí)又麻煩。
那如果依賴(lài)于算法的指導(dǎo)呢？
南加州大學(xué)維特比工程學(xué)院航空航天與機(jī)械工程系教授A(yíng)ssad Oberai博士，在發(fā)表于《應(yīng)用力學(xué)與工程中的計(jì)算機(jī)方法》上的研究論文《通過(guò)深度學(xué)習(xí)繞過(guò)反問(wèn)題的解決方案：彈性成像的應(yīng)用》中提出了這個(gè)問(wèn)題。
Oberai博士和包括南加州大學(xué)維特比工程學(xué)院博士生Dhruv Patel在內(nèi)的一組研究人員，特別考慮了以下問(wèn)題：
能否訓(xùn)練機(jī)器使用合成數(shù)據(jù)來(lái)解釋真實(shí)世界的圖像，并簡(jiǎn)化診斷步驟呢？
Oberai博士說(shuō)，答案很可能是肯定的。
以乳腺超聲彈性成像為例，一旦拍攝了受影響區(qū)域的圖像，就對(duì)圖像進(jìn)行分析，以確定組織內(nèi)的位移。利用這些數(shù)據(jù)和物理力學(xué)定律，確定了機(jī)械性能(比如它的剛度)的空間分布。在此之后，必須從分布中識(shí)別和量化適當(dāng)?shù)奶卣?，最終將腫瘤分類(lèi)為惡性或良性。問(wèn)題是最后兩個(gè)步驟在計(jì)算上很復(fù)雜，而且具有內(nèi)在的挑戰(zhàn)性。
在研究中，Oberai博士試圖確定他們是否可以完全跳過(guò)這個(gè)工作流中最復(fù)雜的步驟。
癌性乳腺組織有兩個(gè)關(guān)鍵特性：異質(zhì)性，即有些區(qū)域是柔軟的，有些區(qū)域是堅(jiān)硬的；非線(xiàn)性彈性，即纖維在被拉伸時(shí)提供了很大的阻力，而不是最初與良性腫瘤相關(guān)的阻力。了解了這一點(diǎn)，Oberai博士創(chuàng)建了基于物理的模型，顯示了這些關(guān)鍵屬性的不同級(jí)別。為了訓(xùn)練機(jī)器學(xué)習(xí)算法，他使用了來(lái)自這些模型的數(shù)千個(gè)數(shù)據(jù)輸入。
合成數(shù)據(jù)與真實(shí)數(shù)據(jù)
為什么要使用合成的數(shù)據(jù)來(lái)訓(xùn)練算法呢？真實(shí)的數(shù)據(jù)不是更好嗎？
Oberai博士解釋說(shuō)：“如果你有足夠的數(shù)據(jù)，你就不會(huì)使用合成的數(shù)據(jù)來(lái)訓(xùn)練算法。但就醫(yī)學(xué)成像而言，如果你有1000張圖像，就已經(jīng)很幸運(yùn)了。在這種數(shù)據(jù)匱乏的情況下，這類(lèi)技術(shù)變得非常重要。”
Oberai博士和他的團(tuán)隊(duì)使用了大約12000張合成圖像來(lái)訓(xùn)練他們的機(jī)器學(xué)習(xí)算法。這個(gè)過(guò)程在許多方面與照片識(shí)別軟件的工作原理類(lèi)似，通過(guò)重復(fù)輸入如何識(shí)別圖像中的特定人物，或者我們的大腦如何學(xué)會(huì)將貓和狗進(jìn)行分類(lèi)來(lái)學(xué)習(xí)。通過(guò)足夠多的例子，該算法能夠收集良性腫瘤和惡性腫瘤固有的不同特征，并做出正確的判斷。
Oberai博士說(shuō)：“我們的準(zhǔn)確率約為80%。接下來(lái)，我們將使用更多真實(shí)世界的圖像作為輸入，繼續(xù)改進(jìn)算法。”
這類(lèi)算法會(huì)取代放射科醫(yī)生在確定診斷中的作用嗎？
絕對(duì)不會(huì)。
Oberai博士指出，這類(lèi)算法可以發(fā)揮重要作用，但它無(wú)法作為癌癥診斷的唯一仲裁者，而是作為一種幫助引導(dǎo)放射科醫(yī)生得出更準(zhǔn)確結(jié)論的工具。不過(guò)，這些算法只有在不充當(dāng)黑盒時(shí)，才會(huì)是最有用的。“算法必須是可解釋的，才能按預(yù)期工作。”
合作咨詢(xún)
肖女士
021-33392297
Kelly.Xiao@imsinoexpo.com
2006-2025 上海博華國(guó)際展覽有限公司版權(quán)所有（保留一切權(quán)利）
滬ICP備05034851號(hào)-57
