健培AI團隊在全球EXACT’09賽事中取得優異成績
近期，健培AI團隊在全球EXACT’09(Extraction of Airways from CT , CT影像肺部氣管分割挑戰賽)的賽事中再創佳績，使氣管檢測長度達到了84.5%，超出現有成績10%以上，刷新了該項比賽的原有紀錄。來自韓國的Coreline Soft醫療團隊在氣管檢測長度上的結果為60.1%，健培以84.5%的成績遠優于該記錄。
1.什么是EXACT’09？
EXACT’09由美國國立衛生研究院(National Institutes of Health)，荷蘭科學研究組織(Netherlands Organization for Scientif c Research, NWO)，丹麥戰略研究委員會(Danish Council for Strategic Research (NABIIT))資助舉辦的，
該項目的主要研究目的是在通用的數據集上，利用相同的性能評估方法，對比分析不同的胸部CT氣管樹提取算法的性能，從而為肺部疾病診斷定位，手術引導，病灶可視化等提供技術解決方案。參與成員來自丹麥哥本哈根大學和加州大學洛杉磯分校的胸部成像研究所，美國洛杉磯加利福尼亞大學放射科組，荷蘭鹿特丹大學醫學中心，美國西門子公司，美國康奈爾大學，西班牙塞維利亞大學，美國愛荷華大學等眾多企業，高校和科研機構。
2.氣管樹分割的重要意義
氣管樹分割是肺部疾病診斷和分析的重要一環，特別是對于像慢性阻塞性肺疾病（COPD），間質性肺病（ILD）等肺部疾病，氣管樹分割能夠量化解剖特征，包括氣道壁厚度、壁面積、腔面積、壁-腔面積比、壁-腔直徑比和腔直徑變化等，所以氣管樹分割在肺疾病分析中具有特別重要意義。但是，要獲取完整的氣管樹分割結果卻面臨這眾多挑戰，這些挑戰都給氣管樹分割增加了難度：
1. 完整氣管樹解剖結構異常復雜，遍布人體肺部整個區域，分支眾多，并且大小因人而異。
2. 氣管的不同分支在尺度上存在非常大的差異。
3. 肺部CT圖像內部存在偽影，病灶，容積效應等眾多噪聲，更增加了細支氣管的分割難度。
4. 該挑戰賽數據來源廣泛，在重建層厚，放射劑量等方面存在很大差異。
3.健培AI團隊：3D氣管分割算法
以上是本模型在exact09比賽中的部分提取結果，綠色表示跟醫生手工標注的吻合的部分，紅色表示比醫生手工多檢測出來的部分，通過對比可以看出，本模型相比手工提取，具有更高的敏感性，能檢測出非常細小的氣管。
健培AI團隊提出了基于深度學習的3D氣管分割算法，利用人工智能技術，結合氣管樹3D解剖結構，從數據預處理，網絡結構模型，訓練策略，后處理等眾多方面進行優化。數據預處理方面結合臨床醫生經驗，設置了合理的肺部氣管樹形圖；針對氣管樹本身存在較大尺度變化，健培AI團隊設計了具有多尺度分割能力的3D卷積網絡模型，模型中集成了Google研究團隊提出的空洞卷積技術，有效的增強模型獲取肺部氣管樹語義信息的能力；采用難例挖掘技術訓練3D卷積網絡，并通過團隊自主設計的損失函數，最大限度的挖掘氣管樹的結構信息。
健培AI團隊通過領先的“人工智能+計算機圖形學”技術打造醫學影像智能解決方案，構建的精準的肺部氣管樹必將為肺部疾病的早篩、診斷、臨床手術規劃提供有力支撐。
