玩具全国

　　近日，百度研究院发表论文提出一种名为神经条件随机场的病理切片分析算法，将肿瘤识别定位准确率大幅提高，准确率超专业病理医生。

　　据了解，在公开数据集Camelyon16大赛测试集上，该算法的肿瘤定位FROC分数为0.8096，超过专业病理医生水平以及由哈佛和麻省理工学院联合团队所保持的好成绩。除了病理学切片分析方面的研究，百度还在探索AI在眼底影像、放射影像、以及智能问诊等其他一些医疗领域的应用。

　　资料显示，病理切片分析是癌症诊断中的黄金标准。但是即便对于经验丰富的病理医生来说，病理切片的阅片流程也十分困难复杂。一张40倍放大的电子化病理切片通常由超过十亿个像素点组成，磁盘空间大小超过1GB。然而淋巴结附近微转移肿瘤细胞群可能小只有不到1000像素的直径。而一旦发现微转移肿瘤细胞群，病人的治疗方案和预后可能就会有极大差别。因此，详尽的阅读病理切片，且不漏掉任何一处具有临床价值的病灶，如同大海捞针，是一项十分复杂和耗时的任务。

　　百度研究院提出一种深度学习算法，一次性输入一组3x3的图块，并联合预测每一张图块是否有肿瘤区域。图块之间的空间关系可以通过一种名为条件随机场的概率图模型来模拟。整套算法框架可以在GPU上进行端到端的训练，而不需任何后处理的步骤。

　　据悉，百度在Github上开源了整套算法代码。

• 我要打印
• IE收藏
• 放入公文包