在没有就诊医生参与下,如何准确高效地分析判断影像数据从而及时、科学地诊断病情?由南京工业大学计算机科学与技术学院杭文龙副教授、黄烨铖硕士领衔的研究可让AI赋能影像医学,智慧“分类器”自主“去劣存优”助力医学诊断。“
日前,2022年MICCAI学术会议论文录用结果公布,南京工业大学计算机科学与技术学院杭文龙副教授、黄烨铖硕士的研究论文“Reliability-aware Contrastive Self-ensembling for Semi-supervised Medical Image Classification”(“基于可靠感知对比自集成的半监督医学图像分类”)被提前录用。
医学影像数据需要大量医学专业人员开展手工标注,该过程耗时耗力,阻碍了深度学习方法在临床实践中的应用。”杭文龙介绍,借助大量未标记数据建立半监督学习模型是一种有效解放人力的途径。“毋庸讳言,不同医生、不同设备在不同光线、不同角度等参数的影响下,拍出的影像数据不尽相同,这便会给AI模型的训练过程造成干扰,影响其在临床应用中精准判断。”杭文龙表示,因为不同的人群、设备和环境中采集的大量医学影像数据之间通常会存在较大差异,所以会对模型的预测性能产生不利影响。“我们在研究中建立了可靠感知机制,解决了实际临床中的痛点问题。”杭文龙解释道,在借助AI辅助技术时,通常首先需要训练分类器,“但传统的分类器对数据不加判断,一股脑儿地都用,我们的研究赋予该分类器以智慧,会进行分栋,做到去‘劣’存‘优’。”据介绍,较之传统分类器,他们的分类器比较有“智慧”,排除了不可靠的医学影像数据的干扰,建立安全的半监督学习模型,提升分类器模型的预测能力。