新创公司运用深度学习技术从医学扫描中发现疾病

by 英伟达中国

“没发现有阴影”。Jeet Samarth Raut 的母亲在一次放射扫描后听到了这一好消息。

两周后,另一位医师的检查结果显示,她得了乳腺癌。无可否认,科技可以让诊断更准确,年轻的创业者可以利用 NVIDIA GPU 驱动的深度学习软件来减少误诊。

无论是在 Raut 位于伊利诺伊州的老家(这也是他母亲开始治疗和康复的地方)还是在发展中国家,扫描、认知和解读中的错误都会影响诊断的准确性。

Raut 与他的创业伙伴兼哥伦比亚大学校友 Peter Wakahiu Njenga 共同在纽约创立了新公司 Behold.ai,力图让医生更容易从普通的放射影像数据中准确地识别疾病。

Behold.ai founders Peter Wakahiu Njenga and Jeet Samarth Raut
Behold.ai 创建者 Peter Wakahiu Njenga 与
Jeet Samarth Raut

在斯坦福大学语音实验室、寿命发展实验室、计算机与认知实验室担任助理研究员多年的 Raut 说:“放射医师在扫描结果中寻找病灶痕迹,但是人工作业总是有犯错的可能。”

他说:“计算机视觉在这方面可以做得很好,我们利用这一技术从更大的数据集中提取数据,使诊断更准确”。

Behold.ai 的目标是,打造一套适用于发展中地区、低收入地区和缺医少药地区的便携式系统。

个人使命

利用 Behold.ai 的软件加上神经网络架构和 NVIDIA GPU,对计算机进行训练,使其能够识别和处理现有的上千幅医学影像。系统吸取放射师的反馈意见,将这些影像标记为健康影像或疾病影像,提高标记众多影像的准确性。

Behold.ai  的软件为显示糖尿病视网膜病变(这是全球导致失明的主要原因之一)的影像添加了标记。

Behold.ai 的软件为显示糖尿病视网膜病变
(这是全球导致失明的主要原因之一)的
影像添加了标记。

现场医生不再需要单纯地依靠其训练和个人经验来发现病变组织。在解读磁共振成像、电脑诊断扫描和视网膜图像的视觉数据时,借助计算机实现大规模的视觉识别工作,这样,无论身在难民营还是偏远村落,技术人员都可以进行健康评估。

曾在 Facebook 从事机器学习工作的 Njenga 说:“我们的技术适用于发展中地区和低收入地区”。“你可以将受感染部位的影像与相似影像的数据库进行对比,从而得出诊断结论并开始治疗。”

深度学习技术让梦想成真

患者在医学影像中心接受扫描之后,影像会交由放射医师查看,还会传送到 Behold.ai 的服务器。Behold.ai 的深度学习技术可以分析扫描影像,找出异常区域。然后,已利用大型数据集进行训练的 Behold.ai 模型为扫描影像加上标记,列出疾病,再传回给放射医师。

Raut 说,经过双方对医学影像的解读,可以减少误报和漏报的可能性。

Behold.ai 采用人工神经网络(又称卷积神经网络或 ConvNet)找出医学影像中的异常之处。ConvNet 的灵感来自于大脑的网格状视觉皮层,专用于影像处理,并采用模式识别技术来区分对象。

Njenga 说:“我们利用高性能的 NVIDIA GPU 来加快进行大量的并行运算作业”。利用 GPU 编程的进步,Behold.ai 建立了一个包含 5000 万个参数的深度 ConvNet。Njenga 说,基础算法采用 cuDNN,将 NVIDIA GPU 加速软件构建块的库用于深度神经网络。

Behold.ai 希望明年能与一家知名的医疗服务提供商合作试验其技术。