借助NVIDIA GPU重塑医学图像分析领域.doc

《借助NVIDIA GPU重塑医学图像分析领域.doc》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、借助NVIDIAGPU重塑医学图像分析领域　　在过去十年中，腹部超声波检查方法一直没有发生太大变化，医生仍然需要一边在患者的腹部移动探头一边盯住屏幕查看模糊的图像。近期美国研究人员的一项深度学习研究成果可大大提高此流程的准确性，从而将速度加快千倍。　　　　通常情况下，完成腹部超声波检查大约需要半小时的时间。虽然半个小时似乎并不算长，但医院每年要为大量的病人进行数千次扫描，总体花费的时间可想而知。　　对于肾脏、肝脏及胆囊等内脏器官异常检查的诊断，医生通常需要付出大量努力。他们必须找到超声成像的正确角度，为这些视图添加文本注释并记录相关的测量结果。　　西门子公司和范德比尔特大学（Vanderbil

2、tUniversity）的研究人员正致力于借助深度学习来实现这些任务的自动化。他们使用了NVIDIAGPU以及由cuDNN加速的PyTorch深度学习框架，来开发首个可以同时分类和检测器官及任何异常的系统。　　他们的模型将大大加快整个过程的速度，患者再也不用等待持续时间长达半个小时的腹部超声波检查。这意味着，在完成一次传统的腹部超声波检查的时间内，利用该系统可以做将近30次同样的检查。　　该研究的首席研究员、范德比尔特大学电气工程和计算机科学的研究助理教授YuankaiHuo表示：“我的目标是开发一系列强大而高效的医学图像分析算法，以理解大规模医学图像数据。”　　教会机器人进行多任务处理　　在

3、之前医疗成像过程自动化方面的尝试中，每个分类和特征点检测任务都会部署一个网络。然而，由于大多数超声波扫描仪的计算资源和存储资源有限，这种尝试并不实际。　　为克服这些限制，研究团队通过单一的网络，在基于深度学习的新系统上处理所有任务，从而提高了效率和实用性。研究人员使用来自706位患者的187000多张图像训练此系统，而NVIDIAGPU的高速，使这一几乎不可能完成的任务成为可能。　　　　上图为腹部超声波分析任务概览图。右上角表示相关的特征点检测任务，长轴和短轴特征点对分别以红色和绿色表示。　　该研究团队利用其系统对患者器官的扫描图像进行分类和检测，并取得了很好的结果。该系统的表现不仅优于以前的

4、神经网络，在诊断身体异常的准确率上也超过了人类专家。　　“借助NVIDIAGPU，计算能力的提高正帮助我们达成以前不可能实现的科学目标。计算能力的提升重塑了整个医学图像分析领域。”Huo说道。　　医疗领域和深度学习技术的进步，使得患者不必经历长时间的超声波检查。医生也得以有更多时间与患者沟通，并制定更合适的治疗方案。