人工智能技术前沿与产业应用 | 医学人工智能

Posted 2021-04-26 SIGS人工智能项目

《人工智能技术前沿与产业应用》课程介绍

本课程邀请十余位学术界与产业界的大咖，以讲座汇报的形式介绍目前人工智能技术的研究前沿，在不同行业背景下的系统化应用以及所面临的挑战。

本讲嘉宾--郑冶枫

现任腾讯天衍实验室主任。1998年本科毕业于清华大学电子工程系。2005年获美国马里兰大学电子与计算机工程系博士学位。曾任西门子医疗美国研究院主任研究员。获国家科技进步二等奖一项，拥有70余项美国专利，3本专著，发表论文150余篇，被引6500余次。

图 ｜郑冶枫博士做讲座

PART I

郑博士首先介绍了自己的经历和腾讯目前在医疗人工智能领域的主要工作。腾讯目前主要由六大事业群，其中郑博士所在的天衍实验室和其产品团队腾讯医疗隶属于其中的云与智慧产业事业群。这个成立仅仅不到2年的实验室，已经覆盖了医疗影像、大数据、自然理解等多个人工智能热点领域，产出了170多项专利，30余篇顶刊顶会论文。他特别提到了腾讯的觅影产品矩阵，这是腾讯公司承担的建设医疗影像国家人工智能开放创新平台任务的重要成果。

图 ｜腾讯觅影产品矩阵

PART II

在第二部分，郑博士介绍基于医疗大数据的AI辅诊。AI辅诊希望模拟一个普通学生到医学专家的过程。通过将AI算法部署到基层，可以有效提高基层医生的诊断效率和准确度。像医生一样读懂病例一直是AI辅诊的重要研究方式之一。其困难主要在于结构化。不同医生对于疾病的描述是不同的，有口语化，很难准确而清楚地表示出来。所以需要通过算法将疾病映射到国际标准，团队利用知识图谱，可以将输入的一段描述映射到知识图谱里某个标准化的术语。接着，郑博士又介绍了实验室目前最新的成果，包括基于子症状网络的疾病诊断、在线交互式自诊、可解释的疾病风险预测和利用联邦学习打破数据孤岛。最后郑博士总结了当前AI辅诊面临的困难并对未来应用场景进行了预测。

图 ｜同学们在听讲座

PART III

在第三部分，郑博士讲述了AI在医疗影像中的应用。他首先从医学影像的起源将起，讲述了计算机断层扫描CT、核磁共振成像MR到超声成像发展历史。接着，他又讲了深度学习在影像诊断上面临的挑战，主要包括缺乏训练数据，跨中心泛化能力差和准确率要求高。随后他介绍了团队在影像诊断方面的研究。在小样本学习方面，有通过迁移学习解决小样本学习问题和基于魔方变换的自监督学习等。在域自适应方面，有VideoGAN视频风格转换和基于单张图像的风格转换OP-Net等。

图 ｜基于魔方变换的自监督学习

PART IV

在最后一部分，郑博士分享了医疗AI在抗击新冠肺炎疫情中做出了的努力。他们团队在疫情刚刚爆发时，就主动集结，毅然放弃了春节休假，加班加点的投入到研发工作中。1月22号，腾讯健康抗疫专区就宣布上线，至今累计上线15个工具箱中，有5个由天衍实验室参与开发。团队还提出了新冠自查引擎技术的架构，并通过医疗知识图谱扩展呼吸道病情评估范畴，基于此研发的产品最终服务了1700万余人次。CT影像作为重要的新冠诊断标准，郑博士团队在这方面拥有丰富的技术储备，很快便研发出了识别病毒性肺炎的AI产品，实现了CT影像扫描+觅影影像AI辅助诊断相结合，并且通过小样本学习，引入基于分割结果的注意力机制以及采用无监督域自适应，最终实现了整体性能的巨大提升。

图 ｜郑冶枫博士回答同学提问

图 ｜郑冶枫博士与老师同学们合影

图片 |人工智能项目 

    文字 |何肃南 

排版 |何肃南 

审核 |洪明春