437bwin必贏國(guó)際官網(wǎng)杜博教授領(lǐng)導(dǎo)的機(jī)器學(xué)習(xí)小組在醫(yī)學(xué)人工智能方面研究取得了新進(jìn)展。該團(tuán)隊(duì)在全球核磁共振醫(yī)學(xué)圖像前列腺分割大賽（PROMISE12）中，榮獲該項(xiàng)賽事的總冠軍。競(jìng)賽團(tuán)隊(duì)成員包括：2017級(jí)博士生朱其奎、杜博老師和美國(guó)倫斯勒理工學(xué)院閆平昆博士。

PROMISE12（Prostate MR Image Segmentation）由International Conference on Medical Image Computing and Computer Assisted Intervention 2012(MICCAI2012)國(guó)際醫(yī)學(xué)圖像處理頂會(huì)組委會(huì)于2012年開始舉辦，該項(xiàng)賽事的目的是為了克服醫(yī)學(xué)圖像前列腺分割過程中的難點(diǎn)，并提出精確的semi-automatic分割算法。比賽所提供的前列腺數(shù)據(jù)是從不同的醫(yī)療機(jī)構(gòu)的醫(yī)療設(shè)備采集所得，數(shù)據(jù)具有不同分辨率和特征。自2012年比賽舉辦以來，實(shí)驗(yàn)精度不斷的被刷新。2012年國(guó)際著名的醫(yī)療設(shè)備公司Imorphics以84.36分的成績(jī)?nèi)〉昧说谝幻?016年香港中文大學(xué)的陳浩團(tuán)隊(duì)以86.65分的總成績(jī)刷新了記錄，在隨后的兩年中，陳浩團(tuán)隊(duì)一直處于領(lǐng)先的地位。直至2018年，我們團(tuán)隊(duì)提出了一種新型的網(wǎng)絡(luò)框架，該網(wǎng)絡(luò)框架采用了一種更具優(yōu)越性的Densely-connected Residual Blocks(DRBs)模塊，該模塊能夠克服隨著網(wǎng)絡(luò)的層數(shù)增加所帶來的參數(shù)過多、難于訓(xùn)練、信息丟失、網(wǎng)絡(luò)易于過擬合等問題。除此之外，我們?cè)诰W(wǎng)絡(luò)中加入了Attention Module，該模塊使得我們所提出的網(wǎng)絡(luò)能夠?qū)ⅰ白⒁饬Α庇糜谇傲邢賲^(qū)域并剔除了噪聲的影響，從而提升前列腺區(qū)域的分割精度。目前，我們所提出了方法所獲總分為89.18分，比第二名（飛利浦深度學(xué)習(xí)實(shí)驗(yàn)室團(tuán)隊(duì)）87.67分高出1.51分。目前，該實(shí)驗(yàn)所采用的方法已經(jīng)投稿至IEEE TIP（CCF A類）。比賽結(jié)果見鏈接： https://promise12.grand-challenge.org/evaluation/results/

除該方法之外，我們團(tuán)隊(duì)還曾經(jīng)提出兩種不同的前列腺分割模型，詳細(xì)內(nèi)容可參考于：

Zhu Q, Du B, Turkbey B, et al. Deeply supervised CNN for prostate segmentation[C]International Joint Conference on Neural Networks. IEEE, 2017:178-184.Zhu, Qikui, et al. "Exploiting Inter-Slice Correlation for MRI Prostate Image Segmentation–from Recursive Neural Networks Aspect." Complexity 2018. vol. 2018, doi:10.1155/2018/4185279.

圖一：前列腺分割面臨的挑戰(zhàn)：(a)前列腺區(qū)域存在大量的噪聲；(b)前列腺邊緣模糊；(c)前列腺周邊的組織與前列腺的分布特征類似。

圖二：部分分割結(jié)果。黃色輪廓線為專家標(biāo)記結(jié)果，紅色輪廓線為我們所提方法分割結(jié)果。