运用 GPU 驱动的深度学习技术,加快结肠癌的诊断速度

by 英伟达中国

时间是诊断癌症的关键因素。如果医生能够提早发现并判断癌细胞的扩散速度,就有可能挽救患者的生命。

香港中文大学的研究人员采用 GPU 驱动的深度学习技术,增强癌症影像分析能力,日后可为医生和患者省下宝贵的时间。

 上排图片显示的是分割后的良性组织,以便于进行分析。下排图片显示的是异常组织。(图片提供:  香港中文大学。)
上排图片显示的是分割后的良性组织,
以便于进行分析。下排图片显示的是异常组织。
(图片提供: 香港中文大学。)

香港中文大学团队将研究重点放在全球第三大最常见癌症结肠癌上,而这项研究成果日前在全球领先的医学影像会议,即医学影像计算与计算机 (Medical Image Computing and Computer) 会议举办的挑战赛上摘得桂冠

病理学家通过检查肿瘤组织和细胞中是否存在异常来诊断癌症。异常处越多,肿瘤就更有可能增大并快速扩散。过去,病理学家使用显微镜检查组织来进行诊断。这种方法不仅费时,还有可能出现失误。

运用深度学习技术判断恶性肿瘤

研究团队使用 GPU 加速深度学习技术,可快速训练计算机识别已知异常处相当精细的图像。然后,系统使用这项训练分割组织内的各腺体,以便更轻松地区分各个细胞,判断与其他细胞的相对尺寸、形状和位置。病理学家通过计算这些测量结果,就能判断出恶性肿瘤的可能性。

一位三年级博士生,同时也是解决方案团队成员之一的 Hao Chen 表示:「GPU 大幅加快了训练计算机的速度,在我们推动研究成果向前发展之际,这种速度日渐重要。」

  过去,病理学家通过使用显微镜检查肿瘤组织和细胞中是否存在异常来诊断癌症。
过去,病理学家通过使用显微
镜检查肿瘤组织和细胞中是
否存在异常来诊断癌症。

深度学习使用复杂的神经网络来训练计算机识别图案和物体,且在解决人脸检测与识别、语音识别以及图像分类等问题的表现也十分突出。目前,在某些工作中,此技术所创造的成果已经超出人工水平。

香港中文大学计算机科学系的主任兼研究团队主任 Pheng Ann Heng 表示:「这项研究成果大大推动了计算机辅助诊断系统的发展」。

在诊断其他癌症方面的应用

本次竞赛只使用了 165 张影像,还需进行更深入的开发和测试,才能实际运用研究人员的成果。成功的话,这种诊断方法可应用于诊断与结肠癌有一定相似之处的乳腺癌、肺癌和前列腺癌。

这次活动的主办人,也是英国华威大学生物影像分析实验室主任的 Dr Nasir Rajpoot 表示:「我们非常高兴看到本次竞赛将处于前沿的深度学习技术应用范围又向前推动了一大步,而这正是我们举办本次竞赛活动的目的。」