医学成像初创公司使用人工智能对鼻窦和脑部扫描的情况进行分类

  • 0 replies
  • 344 views
*

sisiy

  • *****
  • 175
    • 查看个人资料
放射科医生的任务是诊断一些最严重的疾病 - 但随着CT和MRI等成像研究的数量不断增加,他们的工作量也变得越来越苛刻。

总部位于休斯顿的InformAI正在通过构建深度学习工具来帮助他们更快地分析医学扫描,从而帮助减轻放射科医师的疲劳和压力。

InformAI首席执行官Jim Havelka说:“我们希望为临床医生建立诊断辅助工具,以加快信息工作流程和决策制定,从而使患者受益。”

InformAI通过Microsoft Azure云平台和现场NVIDIA DGX Station在NVIDIA V100 GPU上培训其深度学习图像分类器和患者结果预测器。该创业公司与数据科学咨询公司SFL Scientific合作,利用顶尖技术资源开发基于卷积神经网络的深度学习技术堆栈。

使用NVIDIA GPU,InformAI的图像分类器只需30秒即可扫描患者的3D CT扫描20个窦状况并标记可能存在的情况。该AI工具还为分析软组织3D扫描的其他图像分类应用程序奠定了基础 - 包括从MRI扫描中检测常见的脑癌。

AI Spots Sinus条件

弄清楚个人鼻窦的结构比听起来更难。每个人的窦腔看起来都不同,这使得AI难以确定八个主要窦腔和连接它们的通道中是否存在感染或异常肿块。

医生每年在美国执行约700,000例鼻窦手术。使用AI加速诊断工作流程可以节省医疗成本并缩短开始治疗所需的时间。

InformAI及其医疗保健合作伙伴构建了一个培训数据集,其中包含来自20,000个患者研究的约600万张图像。扫描由一组放射科医师和在公司与该项目合作的医疗居民进行标记。

使用启动平台的放射科医师可以在预测神经网络运行时检查和分析3D窦CT扫描。在不到一分钟的时间内,AI结果就会出现20个鼻窦医疗状况,然后医生可以使用它来协助他们的诊断和治疗计划过程。使用NVIDIA GPU进行推理,InformAI的CPU实现速度提高了大约6倍。

今年春天,InformAI正在医院和几家诊所部署鼻窦分类器,以测试其作为放射科医师和耳鼻喉科医师的辅助工具的有效性。该团队还将通过AI认证所需的监管流程作为直接诊断工具。

神经疾病的神经网络

一般来说,鼻窦分类神经网络从CT扫描中提取3D片段,以分析这些图像片段中是否存在特定疾病或一组疾病,Havelka说。由于网络是在如此大的医疗数据集上进行训练的,因此可以使用转移学习来重新利用网络来解决广泛的软组织医疗应用中的图像分类问题。

创业公司正在这样做。通过转移学习,该团队训练了一个神经网络来检测来自另一种软组织的疾病:大脑。

当在大脑中发现肿瘤或病变时,“它对患者来说可能是生死攸关的,”哈维尔卡说。 “早期发现和分类对于为患者提供最佳治疗选择和结果至关重要。”

但不同的脑肿瘤和病变可能看起来相似,也可能与其他不同治疗方法的神经系统疾病相似。由于这种分类复杂性,患者的治疗计划可能会随着时间的推移而发展。

当放射科医师无法通过脑部MRI扫描做出结论性诊断时,医生会转向进行有创脑活检以获取更多信息。可以帮助放射科医师做出更早和更确定的诊断的AI工具可以减少所需的活检数量。

使用3D CNN,InformAI正在开发一种分析脑MRI扫描以检测肿瘤或病变是否存在的工具,并且可以将异常扫描分类为四种情况之一:胶质母细胞瘤,转移性脑肿瘤,多发性硬化或淋巴瘤。

目前仍处于开发阶段的脑癌检测深度学习模型最初接受了来自1,000项患者研究的大约100,000次图像扫描的培训。

InformAI成立于2017年,是NVIDIA Inception虚拟加速器计划的成员。要了解有关公司工作的更多信息,请阅读最近的白皮书https://www.nvidia.com/en-us/data-center/resources/informai-azure-sfl-whitepaper/