研究人員開發了深度學習技術來識別CT掃描中的ID風險解剖

放射療法是最廣泛使用的癌癥治療方法之一，但是該程序的一個缺點是，它可能在癌瘤生長附近對健康組織造成附帶損害。通過CT掃描識別有風險的器官是一個困難且費力的過程，但是來自其他機構的UCI計算機科學家和研究人員已經開發了一種自動化技術，可以使用深度學習算法來執行此功能。他們的工作最近發表在《自然機器智能》上。

UCI計算機科學教授謝曉輝說：“使用我們的模型，可以在幾秒鐘內描繪出整個掃描過程，而這項工作將花費人類專家半小時以上。” “在100次CT掃描的數據集上，我們的深度學習方法實現了平均相似系數超過78%，這與放射腫瘤學家進行的分析相比有顯著改進。”

由于人體的這一部分復雜的解剖結構和密集的器官分布，研究人員將注意力集中在頭部和頸部進行研究。同樣，意外照射到該區域的敏感組織會導致不良副作用，例如難以張開嘴巴，視力和聽力下降以及認知障礙。謝說，他的團隊方法的成功可以歸因于模型的兩階段設計。

首先，系統識別包含重要器官的區域，然后從這些焦點區域提取圖像特征。“即使是低對比度的CT掃描，我們的深度學習神經網絡也極大地增強了描繪解剖結構的能力。” “而且該設置比其他方法具有更高的計算效率，使它可以用更多標準級別的圖形處理單元存儲器來完成。這意味著該技術可以在實際診所中更容易地部署。” 他的合作者來自中國上海交通大學醫學院和哥斯達黎加梅薩的DeepVoxel Inc.。