CVPR oral解读：医疗AI最新进展，可媲美人类医师推理能力的图像检测算法

公众号/新智元

来源：cvpr

编辑：白峰、舒婷

【新智元导读】疫情让大众更加关注医疗健康。而在刚刚过去的CVPR2020中，也有很多医学方面的研究工作。深睿医疗就有四篇论文入选，其中三篇为oral，其论文涵盖了医疗图像识别，姿态估计等多个主题，在医疗AI方面取得了优异的成绩。

CVPR竞争一年比一年更激烈。

从公布的论文接收结果来看，在5865篇有效投稿中有1467篇论文被接收，接收率仅为25%，oral按照往年经验，一般只有5-7%，竞争越发激烈。

由于疫情，医疗行业的计算机视觉今年也备受关注，无论是oral，poster，还是tutorial，workshop，都有不少医疗健康领域的科研成果。

其中，深睿医疗就有四篇科技论文入选，三篇选为oral，确实获得了一个相当不错的成绩。

基于二部图的图像检测算法，拥有了媲美人类医师的推理能力

乳腺癌已成为当前社会的重大公共卫生问题之一，因此乳房X光照片质量检测具有重要的临床意义。来自轴斜位视图（即中外侧斜肌和颅尾骨）的信息和乳腺疾病是高度相关的，有助于医生做出全面的决策。

放射科医师能够在横断面图像识别出肿块，但是大多数现有的图像识别方法缺乏领域知识的指导，推理能力很差，因此会限制其性能。

下面这篇论文介绍了一种先进的二部图卷积网络，使算法具备了类似放射线医师的轴斜位视图推理能力。

我们来看一下二部图网络是如何实现推理能力增强的。

二部图将跨视图主干特征作为输入，并输出增强的特征以进行进一步的预测。首先，通过用伪标记映射空间视觉特征来构造二部图节点。每个映射单元是每个图形节点的代表区域。然后，二分图边缘学习对几何约束和语义相似性进行建模。接下来，通过在二部图中传播信息来进行对应推理以增强特征。最后，增强的特征将与原始信息聚合在一起，进行进一步的预测。

在DDSM数据集上的实验结果表明，该算法达到了最先进的性能。此外，视觉分析表明该模型具有明确的物理意义，有助于放射科医生进行临床解释。

同现有的方法相比，同等假阳性下检出敏感性高出4个百分点，同等敏感性下假阳性减少了近60%，充分验证了算法的有效性。这篇文章也被选为2020年CVPR的ORAL，该算法也已经应用到深睿医疗的乳腺钼靶AI医学辅助诊断系统，用于乳腺疾病的早期筛查。

病例文本数据及影像数据的关联挖掘全搞定：基于自然语言处理的图像识别

图像识别依旧是今年CVPR的大热方向，接受论文比例是各个主题中最高的。《Graph-Structured Referring Expression Reasoning in The Wild》（图形结构的引用表达式推理）是由深睿研究员和香港大学计算机科学系联合发表的，主要讨论了一种基于自然语言处理的图像识别方法。

这种方法利用自然语言描述来定位图像上的目标物体。作者提出了场景图引导的模块网络(SGMN)，该网络在表达式的语言结构的指导下，通过神经模块网络对图像语义图和语言场景图进行推理。

此外，作者还提出了Ref-Reasoning

（编辑：52站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!