3D 医疗影像数据深度学习高效训练与推理架构.pdf

《3D 医疗影像数据深度学习高效训练与推理架构.pdf》由会员分享，可在线阅读，更多相关《3D 医疗影像数据深度学习高效训练与推理架构.pdf（24页珍藏版）》请在三个皮匠报告上搜索。

1、BioMind3D医疗影像数据深度学习高效训练与推理架构北京安德医智科技有限公司杨春宇博士/算法总监/国家万人计划领军人才#page#医疗影像数据C#page#医疗影像数据#page#医疗影像数据基本特点数据维度：-2D、3D、3D多序列、2D视频、3D视频、3D视频多序列采集效率：毫秒级到数十分钟数据尺寸：典型512长*512宽*数百层*数个序列数据体量：特定病种几例到几十万例病例数据质量：数据需专业团队标注，高水平医生标注/审核，工作量巨大小样本/半监督/无监督学习算法重获重视视，但仍不成熟#page#医疗影像辅助诊断中常用的AI技术目标检测：器官粗定位，微小病灶的筛查性检测图像分割：组织

2、/器官/病灶精确分割，三维重建，参数测量图像配准：多期相、多模态影像配准、疗效评估、随访对比图像生成：多期相、多模态图像生成图像/视频分类：疾病的鉴别诊断图像/视频检索：相似病例库检索#page#3D医疗影像AI辅助诊断实例肺部CT3D其乳腺MRI3D多序列心脏MRI3D视频#page#肺部CT每年中国肺结核发病90万，肺癌发病78万，肺炎死亡15万医学意义：快速筛查&鉴别诊断检查手段：CT平扫/增强数据示例：512长*512宽*149层分辨率：0.68mm*0.68mm*2mm#page#肺部CT分割组织器官分割：肺叶/肺段/助骨/椎骨/气管/血管病灶分割：炎性病灶、占位性病灶分割网络模型选

3、择：3DvS2D2D分割网络对数据标注完整性要求低可选择性标注典型层（UNet、HRNet）3D标注要求高，右图耗时2人天#page#BioMind.Q中.三口OO0序列168Q肺炎分类载率图2流是高列表密度分析SO日所在层号整示-1LXO电1463.62XO1-132xO门芯142xO1011LXOLxO展开刷条的5个病过Q#page#Input，2，384*384*64分割作为辅助通道肺部CT辅助诊断ConvBlock，32，333深度88参数2MAverage PoolingFLOPs 9.3MInputInputDenseBlock千ConvBlock#1，32宁Conv3DMax P

4、oolingConvBlock#2,32NormConvBlock，128，1x11ConvBlock#3，32ReLUDenseBlock全IndinoConvBlock#4,32ConvBlock，512，1x11LabelConvBlockandanoGlobal Average PoolingAM-Softmax loss高L2 Normalization中DenseBlockDense金Output#page#大道至简BatchNormLayer NormInstanceNormGroupNormH.W.DH.W.DH.W.DCCCNNNNNorm方法Batch NormLayer

5、NormInstance NormGroup Norm0.990.99训练集精度0.930.980.600.650.630.62测试集精度#page#Infuenza A &B virusFungusMycoplasmaCOVID-19临床1020例：正常/新冠/非冠医生81%，医生+AI92%CytomegalovirusBacteriumPneumocystis人机对照试验206例：左侧9类医生32%，AI61%AdenovirusTuberculosisAvian influenza#page#乳腺MRI辅助诊断中国乳腺癌年发病31万鉴别诊断：触诊/超声/铝粑不确诊筛查：高危乳腺癌患病群

6、体数据体量示例：DCE（动态对比增强）序列512长*512宽*188层*5DWl（扩散加权成像）序列256长*256宽*36层*2T1WI（纵向驰豫时间加权成像）序列512长*512宽*188层T2WI（横向弛豫时时间脂肪抑制加权成像）序列256长*256宽*36层#page#乳腺MRI辅助诊断中的AI技术BI-RADS风险分级：分类-回归病理诊断：多类分类-多标签分类典型病理：浸润性癌，部分为导管原位癌，周边乳腺呈腺病改变，部分导管上皮增生明显，乳腺纤维腺瘤，局部间质黏液变性数据增强：自由形变多序列多期相扫描：配准多序列融合分类：多输入模型，融合层次优化#page#T1T2DCEDWI2Ds