检测、诊断和治疗癌症需要运用适当的工具。
全球被癌症夺去生命的人群中有五分之一是因为肺癌（每年大约 160 万人死于肺癌）并且死亡率高居不下。以英国为例，超过三分之一的病例是在出现紧急症状后确诊的，这时绝大多数患者已处于肺癌晚期。
为诊断肺癌疾病，医生依靠使用 PET 与 CT 的联合扫描技术对肺部病灶进行分割。这些可以确定病灶的功能特性，以及其解剖学上的结构和特征。
位于波兰的 Future Processing 公司属于 NVIDIA 创始计划的成员，正在努力简化此类工具的使用，使诊断程序更优惠、更方便、更准确。
其医学影像解决方案业务部门与全球医学影像专家、研究机构和医疗诊所进行紧密合作，以开发更先进的感知影像软件。
其中一个重点领域是动态对比增强成像技术和计算机断层扫描 (CT) 图像分析技术。该公司在此领域的研究将增强 CT 扫描对肺癌检测和诊断的效用。
百闻不如一见
Future Processing 与肺癌的对抗正在取得进展，他们正在研发一种可以摆脱 PET 与 CT 联合扫描要求的解决方案。取而代之，医生将可以仅依据 CT 扫描结果作出诊断。
通过使用卷积神经网络，研究小组已经表明仅依据 CT 扫描的结果就能做出高效而准确的诊断。
Future Processing 公司的资深研发科学家 Jakub Nalepa 博士解释说：“以往，对活动性病灶进行分割需要完成 PET 与 CT 扫描序列配准的耗时过程。事实上，我们刚刚发表了一篇论文 (1)，其中论述了仅针对 CT 扫描使用卷积神经网络 (CNN)，我们在几分钟内就演示完成了单个图像的分割 — 而且还可以进一步加速。”
这种分割速度的加速性能由 NVIDIA Tesla GPU 加速器提供动力支持，将可为医生和患者带来非常大的改观。借助自动分割病灶，放射科医生可以节省宝贵的时间用以评估病灶的恶化程度。
对于还没有配备 PET 扫描仪的医疗场所也是一种福音，他们可以仅使用 CT 扫描仪直接检测患者的病情。这对于医疗机构更具有成本效益，CT 扫描的成本只有 1200 至 3200 美元，而 PET 扫描的平均成本则需要 3000 至 6000 美元。同时也为患者提供了更好的就医体验，病人只需完成一种扫描的准备工作和忍耐过程。
对于扫描的准确性，Nalepa 和他的团队已表明，在针对肺部无活动病灶数据的研究中，他们的方法可将假阳性率从 90.14％ 降低到 6.6％。
展望未来，团队希望进一步开发他们的解决方案，同时将此项技术应用于其他癌症疾病。
(1) Krzysztof Pawelczyk, Michal Kawulok, Jakub Nalepa, Michael P.Hayball, Sarah J.McQuaid, Vineet Prakash, Balaji Ganeshan: “Towards Detecting High-Uptake Lesions from Lung CT Scans Using Deep Learning,” S.Battiato et al.(Eds.):Proc.ICIAP 2017, Part II, LNCS 10485, pp. 1–11, Springer, 2017.