谷歌将通过采用机器学习,改善大肠镜检查结果

癌症是恶性肿瘤中最常见的一类,由于恶性肿瘤的病因尚未完全了解。目前较为明确与癌症有关的因素可分为外源性和内源性两大类。而大肠癌也是恶性肿瘤之一,致死率也非常高。如今,随着人工智能技术的快速发展,它的应用也将能够改善大肠镜检查的灵敏度。

作者: 新天域互联 来源: 新天域互联 2020-09-02 09:10:04

癌症是恶性肿瘤中最常见的一类,由于恶性肿瘤的病因尚未完全了解。目前较为明确与癌症有关的因素可分为外源性和内源性两大类。而大肠癌也是恶性肿瘤之一,致死率也非常高。如今,随着人工智能技术的快速发展,它的应用也将能够改善大肠镜检查的灵敏度。


鉴于医生在为患者进行大肠镜检查时,有机率疏漏病人大肠中息肉,因此谷歌(Google)使用机器学习,改善大肠镜检查结果。根据香港IDC新天域互联获悉,谷歌所开发的深度学习C2D2方法,可透过捕捉影像深度对大肠进行3D重建,显示已被检测与未被检测的部位,借此提升检查覆盖率。


大肠癌是目前主要的致死癌症之一,例如在美国,大肠癌是排名第二的致死癌症,每年因其死亡美国人数达到90万。而谷歌提及,在真正癌变以前,通过去除大肠中息肉来预防大肠癌,且只要息肉检出率提升1%,大肠癌发生率就能降低6%。


传统上,遗漏息肉的主要原因有两个,可能是虽然息肉出现在大肠镜画面中,但因为息肉形状扁平较小,导致漏看;另一种原因,则可能医师在操作内视镜时,检测范围没有覆盖所有相关区域,所以息肉并没有出现在视野中,也就无法发现所有息肉。


在谷歌研究中,则选择利用深度学习演算法C2D2,来解决大肠镜检查覆盖率不足的问题。该C2D2演算法共分为两部分,首先是计算每一影格的深度图,计算深度图包括深度估算以及姿势估算,也就是内视镜在空间中的位置和指向,第二则是利用深度图计算覆盖率。


为从深度图计算出覆盖范围,谷歌使用合成以及真实两种影片资料训练C2D2,合成影片使用大肠的图像模型创建。谷歌还请医生以及C2D2演算法,同时对合成影片进行息肉检查,发现C2D2平均绝对误差为0.075,而医生平均绝对误差则为0.177。可见,医生平均绝对误差明显更大,C2D2的精确度是医生的2.4倍。


透过提醒医生疏漏的大肠壁范围,C2D2可让医生发现更多的腺瘤,间接降低大肠癌发生率,除了检查覆盖范围之外,谷歌也正在着手开发能够自动发现息肉的演算法。


本文转载自其他网站,不代表大健康派观点和立场。如有内容和图片的著作权异议,请及时联系我们(邮箱:scarlet.s@djkpai.com)



谷歌 大肠镜检查 机器学习

关注大健康Pai 官方微信:djkpai我们将定期推送医健科技产业最新资讯