RSNA 2017 была сумасшедшей шумихой вокруг темы искусственного интеллекта в радиологии, и поэтому я хотел погрузиться глубже и узнать, из-за чего возникла такая шумиха. За этой суматохой стоит группа исследователей, которые добиваются прогресса, и вот некоторые из исследователей, которых я заметил.

Соревнования по педиатрическому возрасту костного возраста

Соревнование по машинному обучению RSNA, участники которого разработали алгоритмы для оценки костного возраста на детской рентгенограмме руки. В задаче использовался набор данных рентгенограмм рук, предоставленный консорциумом ведущих исследовательских институтов, и каждая рентгенограмма была помечена возрастом кости, который был определен несколькими экспертами-рецензентами. Александр Билбили и Марк Цицеро из Торонто, Канада, были названы чемпионами за свой алгоритм, который смог определить костный возраст на детской рентгенограмме руки с достоверностью +/- 4,265 месяца (4,265 MAD). Узнать больше здесь.

Количественная оценка сердечной функции и объемов с помощью объемной МРТ сердца с однократной задержкой дыхания и сегментации глубокого обучения.

Команда из Калифорнийского университета в Сан-Диего представила свой исследовательский плакат об автоматической сегментации камер сердца с помощью нейронной сети. Они тесно сотрудничают с новым стартапом в области искусственного интеллекта, Arterys, который пытается стать одним из первых корпоративных лидеров в этой сфере. Студент-медик Джастин Сан выиграл в этом году грант для студентов-медиков за эту работу.

Помимо глубокого обучения: роль медицинских знаний в управлении искусственным интеллектом.

Обзорный плакат Андреаса Раушекера и Джеймса Джи из Univ. Пенсильвании, в которой обсуждались сильные и слабые стороны существующих приложений ИИ, и был свежий и честный взгляд на реалистичные аспекты ИИ. На плакате также обсуждалась острая необходимость в радиологических и медицинских знаниях для разработки инструментов искусственного интеллекта. Чтобы узнать больше об их лаборатории и работе, щелкните здесь.

Создание тепловых карт для визуализации доказательств диагностики грудной клетки на основе глубокого обучения.

Доктор Шалини Говил со своей командой из Индии представили свой алгоритм искусственного интеллекта, который смог разделить рентгенограммы грудной клетки на отдельные категории, такие как консолидация, плевральный выпот, пневмоторакс и т. Д. Их точность была достойной, указав числа немного выше, чем недавно выпущенный алгоритм CheXNet. Qure.ai является их корпоративным партнером и широко представлен на RSNA 2017. Qure.ai также участвовал в исследованиях для другого плаката под названием Глубокие нейронные сети для выявления и локализации внутримозгового кровоизлияния и сдвига средней линии при КТ головного мозга. Чтобы узнать больше о Qure, нажмите здесь.

Обнаружение срезов узелков на основе слабых меток КТ легких

Юфэн Дэн, ученый из Северной Каролины, представил свое исследование программного обеспечения для обнаружения узелков в легких. Его команда создала алгоритм для определения номеров срезов компьютерной томографии, на которой был обнаружен узелок в легких, а остальную работу оставила на усмотрение радиолога, чтобы выяснить, имеет ли это отношение. Infervision - это компания, которая участвует в его исследованиях, и чтобы узнать больше, нажмите здесь.

Автоматическое обнаружение и классификация дилатации мочевыводящих путей у детей (гидронефроза) с помощью сверточных нейронных сетей

Доктор Алекс Братт, врач-радиолог из Нью-Йорка, представил алгоритм автоматического обнаружения и классификации дилатации мочевыводящих путей с помощью УЗИ почек. Это было одно из первых приложений искусственного интеллекта, которые я видел с использованием ультразвука, и данные, которые он представил, были весьма убедительными. Текущая классификация гидронефроза в лучшем случае субъективна, и инструмент, который поможет радиологам с вариабельностью между наблюдателями, является захватывающим. Авторы были связаны с MD.ai, компанией, которая в настоящее время находится в закрытом бета-тестировании.

Оценка критических неправильных положений питательной трубки на рентгенограммах с использованием глубокого обучения

Студент-медик Варун Сингх представил алгоритм рентгена грудной клетки, который определяет количество и типы линий и трубок. За свою работу он получил премию RSNA Trainee Research Prize. Его результаты были не только превосходными, но и чрезвычайно интересным был его анализ того, почему его алгоритм ошибался при некоторых рентгеновских снимках. Положительная корреляция наличия линий ЭКГ и присутствия других линий и трубок, казалось, мешала его алгоритму, и он работал над способами сделать его еще более точным в будущем. Чтобы узнать больше об этом исследовании, щелкните здесь.

Автоматическая стратификация рисков подозрительных узелков в легких с использованием трехмерной сверточной нейронной сети с модифицированной сетевой архитектурой

Доктор Дже Хо Сон, врач-радиолог из UCSF, представил свое исследование с помощью автоматического инструмента стратификации риска для подозрительных узелков в легких. Его скромный подход к сильным и слабым сторонам его алгоритма был оценен и показал большие надежды на создание инструмента в будущем, который поможет радиологам предотвращать ошибки обнаружения.

ИИ в маммографии

К сожалению, я не смог присутствовать на сеансах искусственного интеллекта по маммографии на RSNA 2017, однако значительное количество шума вызвало исследование доктора Карсемейера из Нидерландов (см. Выше). Для получения дополнительной информации о его исследованиях щелкните здесь.

Другие исследования на RSNA 2017

Я, вероятно, пропустил довольно много исследователей, и если да, то прошу прощения. Более подробную информацию о презентациях научных исследований в области ИИ на RSNA 2017 можно найти здесь.

CheXNet, ты где?

На RSNA 2017 не было CheXNet, хотя многие говорили об этом. Я с нетерпением ждал новых встреч от Эндрю Нга и его команды из Гарварда, но не увидел ни одного плаката или презентации. Недавняя беспрецедентная шумиха вокруг его алгоритма CheXNet была захватывающей, и было бы здорово получить возможность узнать больше. Если кто-то еще видел презентацию, касающуюся CheXNet, а я не видел, пожалуйста, поделитесь!

Если вам понравилась эта статья и вы хотите увидеть больше похожих, дайте мне знать. Хлопки тоже приветствуются!

Уильям Паркер, MD, BMSc.
Резидент-радиолог
Университета Британской Колумбии
Ванкувер, Канада
Неавторизованный рассказчик