斩获2019 Thales AIChallenge4Health第一，腾讯优图医疗AI再获突破

近日，腾讯优图实验室医疗AI再获新突破。由腾讯优图研发的医疗AI系统——医疗器械校准中的超高精度关键点检测方法，从二百余支队伍中脱颖而出，在2019 Thales AIChallenge4Health中斩获第一，检测精度达到国际领先水平。该比赛由全球市占率超过50%的放射治疗方案提供商Thales公司主办，共吸引来自全世界的201支队伍注册参与(其中40支队伍提交了最终结果)。

　　(图示：AIChallenge4Health竞赛排名截图。因为空间限制，只显示前11名)

　　CT、X光等医学影像技术是实际就医过程中的重要环节。一方面，对于患者来说，提升医疗成像设备的成像速度与质量，不仅可以带来更好的体验，也为后续诊断与治疗提供了有力保障;另一方面，对于外科医生来说，在手术过程中，对患处进行实时地、准确地成像会极大程度上影响手术的结果。

　　目前业界比较成熟的成像方案有3D和2D两种，但它们由于自身特点都各自存在一定缺陷。3D设备成像(比如CT和MRI)效果好但是造价高昂，普通患者难以承受;2D设备(比如X光)虽然体积小、价格低，但是由于拍摄位置和角度的变化，成像过程中会涉及多次的校准行为，从而导致成像质量较差同时成像速度慢。如何利用人工智能提升医疗成像设备的成像效率，降低患者的治疗费用和等待时间，成为业界共同思考的问题。

　　腾讯优图提出的医疗器械校准中的超高精度关键点检测方法，正是利用AI技术来提高2D设备的成像效率。

　　在2D设备成像之前，需要对其进行“校准”以提高成像质量，该系统尝试利用AI技术对X射线影像中的关键点进行检测，从而获取其精确的坐标，然后利用这些关键点对成像设备进行校准。这一过程中，AI技术不仅需要能够准确判断图中关键点的个数，还需要输出每个关键点的中心位置。

　　为了解决校准过程中定位精度要求高，以及部分关键点中心相距不到三个像素，难以区分的问题，优图实验室将检测任务分解成三个子任务，然后通过神经网络进行多任务学习，有效利用深度网络得到每个关键点的准确定位。同时通过全局控制与局部预测相结合，及多任务的联合与解耦，提高预测的准确度。

　　(图示：系统的逻辑方案)

　　该系统未来可用于相关成像设备的校准，提高设备的成像质量与速度，创造一定的经济价值与社会效益;同时也可用于高精度点检测或者校准任务，获取高质量的检测结果，帮助医师准确为患者诊断与治疗。

　　从AI导诊到AI辅助癌症早筛，AI技术在医疗行业中的应用已不陌生。依托前沿的计算机视觉技术，腾讯优图在医疗AI领域持续探索应用，除了在全球医疗影像大赛LiTS中刷新两项纪录，获得肝分割、肝肿瘤分割两项技术世界第一之外;不久前还刷新了全球胸部多器官分割大赛SegTHOR Challenge 2019的世界记录。

　　技术研发不断深入的同时，腾讯优图也通过腾讯首个医疗影像产品“腾讯觅影”持续对外输出医疗AI能力，目前已支持宫颈癌、肺癌、眼科疾病等疾病筛查，并在国内100多家顶尖三甲医院进行落地，既减轻了医生的工作量，也为提升诊断准确率和效率发挥了重要作用。