研究人员开发了深度学习技术来识别CT扫描中的ID风险解剖

放射疗法是最广泛使用的癌症治疗方法之一，但是该程序的一个缺点是，它可能在癌瘤生长附近对健康组织造成附带损害。通过CT扫描识别有风险的器官是一个困难且费力的过程，但是来自其他机构的UCI计算机科学家和研究人员已经开发了一种自动化技术，可以使用深度学习算法来执行此功能。他们的工作最近发表在《自然机器智能》上。

UCI计算机科学教授谢晓辉说：“使用我们的模型，可以在几秒钟内描绘出整个扫描过程，而这项工作将花费人类专家半小时以上。” “在100次CT扫描的数据集上，我们的深度学习方法实现了平均相似系数超过78%，这与放射肿瘤学家进行的分析相比有显着改进。”

由于人体的这一部分复杂的解剖结构和密集的器官分布，研究人员将注意力集中在头部和颈部进行研究。同样，意外照射到该区域的敏感组织会导致不良副作用，例如难以张开嘴巴，视力和听力下降以及认知障碍。谢说，他的团队方法的成功可以归因于模型的两阶段设计。

首先，系统识别包含重要器官的区域，然后从这些焦点区域提取图像特征。“即使是低对比度的CT扫描，我们的深度学习神经网络也极大地增强了描绘解剖结构的能力。” “而且该设置比其他方法具有更高的计算效率，使它可以用更多标准级别的图形处理单元存储器来完成。这意味着该技术可以在实际诊所中更容易地部署。” 他的合作者来自中国上海交通大学医学院和哥斯达黎加梅萨的DeepVoxel Inc.。