谷歌利用AR技術實時檢測癌癥

谷歌在美國癌癥研究協會(AACR)年會上發表演講,介紹論文《An Augmented Reality MicroScope for Real-time Automated Detection of Cancer》(under review)。演講介紹了一種增強現實顯微鏡(ARM)原型平臺,有望幫助加速和促進世界各地病理醫生對深度學習工具的采用。該平臺包含改良光學顯微鏡,可以實時地將圖像分析和機器學習算法結果直接呈現。重要的是,ARM 平臺可以利用低價、易獲取的組件進行改造,以適應世界各地醫院、診所的現有光學顯微鏡,且無需分析組織的整張幻燈片數字圖像。

谷歌利用AR技術實時檢測癌癥

深度學習在醫療領域的應用(包括眼科、皮膚科、放射科和病理科(pathology))顯示了極大的前景,提高全世界高質量醫療的準確率和可用性。谷歌發布的研究結果(Detecting Cancer Metastases on Gigapixel Pathology Images),展示卷積神經網絡能夠檢測乳腺癌在淋巴結中的轉移,準確率堪比訓練有素的病理醫生。但是,由于使用復式光學顯微鏡得到直接組織可視化仍然是病理醫生診斷疾病的主要手段,因此深度學習在病理科的傳播和采用的關鍵阻礙是對微觀組織數字表征的依賴。

現代計算組件和深度學習模型(如建立在 TensorFlow 之上的模型)使得該平臺可以運行多種預訓練模型。在傳統的模擬顯微鏡(analog microscope)中,用戶通過目鏡觀察樣本。機器學習算法可以實時地將它的輸出投影回光學路徑上。這種數字投影在視覺上是疊加在樣本的原始(模擬)圖像上的,以幫助觀察者定位或量化感興趣的特征。重要的是,其計算和視覺反饋的更新是很快的,目前的實現以大約每秒 10 幀的速率運行,因此隨著用戶通過移動幻燈片和/或改變放大倍數來掃描組織,模型輸出可以無縫地進行更新。

原則上,ARM 可以提供多種視覺反饋,包括文本、箭頭、等高線、熱圖或動畫,并且可以運行多種不同的機器學習算法來解決不同的問題,如目標檢測、量化或分類。

作為 ARM 的潛在效用的展示,谷歌將其用于運行兩種不同的癌癥檢測算法:一個在淋巴結樣本上檢測乳腺癌轉移,另一個在前列腺切除術樣本上檢測前列腺癌。這些模型可以在 4-40 倍的放大率上運行,給定模型的輸出結果通過綠線描繪的檢測到的腫瘤區域進行展示。這些輪廓可以幫助病理醫生集中注意力到感興趣的區域上,而不需要遮擋潛在的腫瘤細胞外觀。

相關文章

靠杀人赚钱 多多棋牌游戏大厅? 贵州11选5任四遗漏 豪利棋牌官方下载 股票行情在线分析 经典单机四人麻将 35选7开奖号码表 英超联赛时间 楚天风采30选5开奖结果 浙江快乐彩吧 陕西11选5中奖规则