摘要：为了演示的潜在功能，我们将其配置为运行两种不同的癌症检测算法一种用于检测淋巴结标本中的乳腺癌转移，另一种用于检测前列腺切除术标本中的前列腺癌。
近期，深度学习在眼科、皮肤科、放射科和病理科等医学学科领域展现出了广泛的应用前景，它可以帮助医疗机构向世界各地的患者提供更加精准、更易获得的优质医疗服务。Google 近期也发布了一项研究成果，这项成果显示，卷积神经网络能够检测出淋巴结中的乳腺癌转移，其准确度可与训练有素的病理学家相媲美。不过，到目前为止，病理学家诊断疾病的主要手段仍是使用复式光学显微镜直接观察组织，因此，如何将微观组织进行数字化展示成了深度学习技术在病理学科大规模应用的关键挑战。
在美国癌症研究协会 (AACR) 年会的演讲中，我们通过一篇题为“An Augmented Reality Microscope for Real-time Automated Detection of Cancer”（正在评审）的论文介绍了一款增强现实显微镜 (ARM) 的平台原型，我们相信这款产品可以帮助加速深度学习工具在全球病理学家中间的推广应用。此平台由一个经过改良的光学显微镜组成，这个显微镜能够对图像进行实时分析并直接在视野中呈现机器学习算法的分析结果。值得一提的是，只需使用低成本、现成的组件，就可以将 ARM 安装到世界各地医院和诊所中常见的普通光学显微镜中，而且无需对数字系统进行全面升级就能分析组织。
现代计算组件和深度学习模型（例如，在 TensorFlow 平台上构建的模型）使得这个平台能够运行大量的预训练模型。与传统模拟显微镜的使用方法一样，用户通过目镜观察样本。机器学习算法将其输出结果实时投射到光路中。此数字投影在视觉上叠加在标本的原始（模拟）图像之上，帮助观察者定位或量化感兴趣的特征。而且，重要的是，计算和视觉反馈更新非常迅速，目前实现的运行速度已接近 10 帧/秒，这意味着当用户通过移动玻片和/或改变放大倍数扫描组织时，可以获得流畅、无缝的视觉体验。
左图：ARM 原理概览。数码相机捕捉到与用户相同的视野 (FoV)，然后将图像传送给能够运行机器学习模型实时推理的附加计算单元。结果随即被反馈到一个自定义的 AR 显示屏中，此显示屏与目镜在同一直线上，并将模型输出投影到与玻片相同的平面上。右图：该图展示了已安装到典型临床级光学显微镜中的平台原型。
理论上，ARM 可以提供各式各样的视觉反馈，包括文本、箭头、轮廓、热图或动画，并且可以运行多种类型的机器学习算法以解决对象检测、量化和分类等不同问题。
为了演示 ARM 的潜在功能，我们将其配置为运行两种不同的癌症检测算法：一种用于检测淋巴结标本中的乳腺癌转移，另一种用于检测前列腺切除术标本中的前列腺癌。这些模型可以在 4-40x 的放大倍数下运行，并且给定模型的结果通过用绿色轮廓勾画出检测到的肿瘤区域来显示。这些轮廓可以帮助病理学家注意到感兴趣的区域，不会使潜在的肿瘤细胞看起来模糊不清。
通过 ARM 的镜头观察到的视图示例。这些图像展示了 4x、10x、20x 和 40x 放大倍数下的淋巴结转移模型示例。
虽然这两种癌症模型最初都是在由一个具有完全不同光学配置的整个玻片扫描仪所获得的图像上进行训练的，但这些模型在 ARM 上表现非常出色，无需额外的重新训练。例如，在 ARM 上运行时，淋巴结转移模型的曲线下面积 (AUC) 为 0.98，前列腺癌模型在视野 (FoV) 中的癌症检测的 AUC 为 0.96，仅略低于在 WSI 上得到的结果。我们认为，可以通过在直接从 ARM 本身获取的数字图像上进行附加训练，进一步提高这些模型的性能。
我们相信，ARM 将对全球卫生事业产生重大影响，尤其是在发展中国家/地区的传染病诊断方面，包括结核病和疟疾等。此外，即使在即将采用数字病理学工作流程的医院中，ARM 也可与数字工作流程结合使用，因为在数字工作流程中，扫描仪仍面临重大挑战或需要实现快速周转（如细胞学、荧光成像或手术后的冷冻切片）。当然，光学显微镜已经在病理学以外的很多行业证明了自身价值，我们相信 ARM 可以应用于医疗、生命科学研究和材料科学等众多领域。我们很高兴能继续探索 ARM，帮助加速机器学习在世界各地产生积极影响。
欢迎加入本站公开兴趣群商业智能与数据分析群
兴趣范围包括各种让数据产生价值的办法，实际应用案例分享与讨论，分析工具，ETL工具，数据仓库，数据挖掘工具，报表系统等全方位知识
QQ群：81035754
文章版权归作者所有，未经允许请勿转载,若此文章存在违规行为，您可以联系管理员删除。
转载请注明本文地址：https://www.ucloud.cn/yun/4784.html
摘要：淋巴细胞是白细胞的一个亚种，在免疫系统中很重要。患病或有异物的区域淋巴细胞数量会极大增加，所以通过确认和定量淋巴细胞的密度和位置有助于评估疾病。本节目标是确定淋巴细胞的中心，是一个检测任务。常见的假阳性和真实正例见图。 Deep learning for digital pathology image analysis: A comprehensive tutorial with se...
摘要：我们还了解到，许多科学家不编写代码，但对在自己的图像分析工作中利用深度学习仍然感到非常兴奋。后续发展基于深度学习的科学图像分析方法将提高准确性减少手动参数调整，并且可能会带来新认识。 许多科学成像应用（尤其是显微镜检查）每天可以产生数太字节的数据。这些应用可以从近年来的计算机视觉和深度学习发展中受益。在我们与生物学家联合开展的机器人显微镜应用工作（例如，区分细胞表型）中，我们了解到，汇编可以...
摘要：我们来聊聊可能很快就会影响世界的九大创新人工智能能够独立于人类主人而学习操作的人工智能，这看上去就像科幻小说。以色列公司建立了世界最大的海水淡化工厂，每天能生产立方米淡水。 本文转载自：众成翻译译者：文蔺链接：http://www.zcfy.cc/article/830原文：https://medium.com/startup-grind/9-innovations-that-coul...
摘要：谷歌的相关研究已发布在上。谷歌的这项研究展示了人工智能在提升肺癌筛查准确率和一致性方面的潜力，这将有助于加速在全球范围内推广肺癌筛查。肺癌致死率高，且大部分发现即晚期。早期的低剂量CT筛查可以有效提高存活率，但是仅有少数病患接受了筛查，且低剂量CT筛查仍然存在问题，如较高的假阳性结果。今日，谷歌发布新研究，展示了AI可以诊断肺癌，能够帮助提升全世界很多病患的存活率，有助于早期肺癌CT筛查在全...
阅读 3205·2021-10-21 17:50
阅读 3213·2021-10-08 10:05
阅读 3275·2021-09-22 15:04
阅读 532·2019-08-30 14:00
阅读 1906·2019-08-29 17:01
阅读 1443·2019-08-29 15:16
阅读 3190·2019-08-26 13:25
阅读 811·2019-08-26 11:44
