每周AI应用方案精选：病理 AI 技术；3D 生物医学图像分割技术

每周三期，详解人工智能产业解决方案，让AI离你更近一步。

解决方案均选自机器之心Pro行业数据库。

方案1：病理 AI 技术

解决方案简介：

病理 AI 的进展慢主要是难度大，无论是从计算机角度还是病理学角度：

1. 从计算机角度来看，病理学的切片每张可达到 G 字节以上的数据量。例如 301 医院去年产生近 9 万例诊断量，平均每例可以产生 5 张切片，即使全部利用 200 倍全视野扫描，所得的图像大小也有 500M 左右，这样的数据量本身就已经非常庞大，由此就会带来数据存储的问题。

2. 从病理学角度来看，全身疾病的种类多达五千余种，每种疾病都有不同的诊断标准，每个标准又有很多对应的特征。而病理学更多的是一门经验学科，如何把这种难以量化的经验传授给机器，也是要攻克的难关。通过向病理学家不断学习，机器学习可以交付足够好的表现。

AI 在病理科流程中的应用可以分为以下三步：

近期：AI 辅助医师完整一些简单而繁重的工作（前述的辅助及替代工作），由人工复核后签发报告。

中期：病理切片扫描，AI 筛出阴性结果，阳性病例给出诊断意见，人工复核签发报告。

远期：人工智能直接签发报告，医师维护数据进行科研工作。 人工智能的优势在于不知疲倦，诊断标准更加客观，相比于培养医生的成本较低（一个成熟的 AI 诊断模型，全球通用），具备大数据分析能力（远超出个人经验的总结），为疾病的诊断、治疗及预后判断等方面提供更多依据。

解决方案详解：

因为肠腺瘤的病例相对较多、病变类型相对少，而且腺瘤的组织形态较为简单。301医院的宋主任对肠腺瘤进行了人工智能诊断；他们的团队利用 200 多张病理切片，进行切割后得到了 80 万张腺瘤以及 100 万张阴性的小图。

经过一系列的处理和数据集训练后，基于 GoogleNet 的深度学习模型的单一疾病灵敏度可以达到 85.71%，特异度为 84.21%，准确率为 85.04%。在医疗场景里，漏诊是一个严重的问题。

宋主任认为：对于将来产品在设计时应着力降低假阴性率，即便带来假阳性高的副作用，也要保证假阴性率接近零。这样 AI 诊断为阴性的应充分可靠，直接出报告，AI 诊断阳性的再去人工复核，AI 初筛出多少阴性病例，就为医师减轻了多少工作量，这样就达到 AI 初筛减轻医师工作复核的目的。 – 职业病理医生缺口大，基层医院病理学科配置不足，目前已经成熟的远程病理再加上将来成熟的人工智能，技术的进步将淡化基层与上级医院的区别。

方案2：AI 寻亲

解决方案简介：

作为省内首批接入公安核查系统专线的救助管理站，在广州市救助管理站市区分站警务室内，驻站民警取出警用手机，打开「核查通 APP」的人脸识别功能，对着一名流浪受助人员的照片「刷脸」。10 秒后，手机屏幕上出现了 20 名形似人员的身份信息。根据这些信息，工作人员可以顺藤摸瓜，更快地帮助流浪受助人员找到亲人。

2018 年 1 月 15 日至 3 月 31 日，省民政厅成功帮助 767 名流浪乞讨滞留受助人员找到家人。在寻人中，公安部门的人脸识别技术帮了大忙。

解决方案详解：

广东省民政厅在全省范围开展流浪乞讨滞留受助人员寻亲返乡专项行动，通过新闻 APP、电视、报纸等方式发布寻亲公告，主动协调公安机关开展指纹、掌纹、人像比对等科技寻亲服务，深挖细查寻亲线索。

流浪乞讨滞留受助人员主要分为两类，一类是可以正常说话、提供有效信息的；一类是有精神疾患、智力残疾的，无法正常表达，这就体现出了人脸识别技术的最大优势。

方案3：3D 生物医学图像分割技术

解决方案简介：

该论文主要解决了一个三维生物医学图像分割中重要问题：即如何综合使用多种形态的 MRI 数据进行区域分割。比如：比较难定位到哪些是肿瘤部位，因为肿瘤部位的形状千奇百怪，没有固定的形状，不像人脸识别，每个人的五官都差不多，位置区别也不会很大，神经胶质瘤和胶质母细胞瘤的形状两种就就很不同，然后肿瘤的分布很广泛，可能分布在大脑的任何区域。

作者提出来一种交叉形态卷积的方法做一个 encoder-decoder 的网络结构，然后同时用LSTM对2D的切片序列建模。 与传统的 U-Net+RNN 通过三个评价指标：Dice、PPV、sensitivity 的对比，均有改善。

解决方案详解：

刘凯提出的3D 生物医学图像分割技术的 framework 如下：

1. 首先将每一个脑部的 MRI 数据通过核磁共振的四种模态切割出来的，得到的每一个 分割就是一张2D 的图片;

2. 分割完之后将四个模态交叉在一起做 multi-modal 的 encoder，encoder主要利用神经网络模型，其网络结构最主要的方面是用四个卷积核，通过batch-normalization，然后加一个非线性变换，后面有四个最大池化层。

3. 利用神经网络把四个模态下的脑部切割出来。采用多模态交叉卷积技术，四个模态的数据进入到这个卷积网络之后，就会把每一个模态下面数据的交叉在一起，然后通过一个三维的卷积，做卷积之后得到每一层的切割出来的特征;

4. 利用convolution LSTM 把 2D 的切割形成 3D 的切割，做decoder；convolution LSTM跟普通的LSTM有一个区别，就是把原来的矩阵相乘替换为一个卷积操作，就是普通的乘法变成卷积层，这样它就能够在把之前状态的空间信息保留着。最后有一个soft-max的分类，预测每一个像素是前景还是背景的概率。

方案4：虹膜识别技术

解决方案简介：

涉密机构或企业需要在普通的安卓系统和国产研发的安全系统之间进行切换，切换时需要身份认证，而虹膜识别相对于人脸识别和指纹识别来说，更为精确。 展讯紫潭安全手机采用了展讯椒图安全芯片以及安卓和元心自主研发的操作系统，中科虹霸提供虹膜识别解决方案。

解决方案详解：

手机硬件方面的改造：前置摄镜头，用来捕捉图像；虹膜采集装置，用来获取虹膜图像；近红外灯，充当主动光源，三个模组共同作用，完成对虹膜图像的采集。

手机软件方面的改造：在整个摄像头的采集区域，刻画出可用实际范围，通过算法实时定位人眼位置，当人眼位置被准确定位之后，内部虹膜的位置就会实时反馈到应用上，如果用户越界，双眼不在屏幕上的眼睛标志内，系统就会以用户理解的语言，比如声音或屏幕颜色的变化提醒用户。

此外，还会通过算法刻画眼皮关键点，或利用灰度、睫毛的几何特性构建模型，刻画人眼的睁开程度，提示用户睁眼或闭眼。

方案5：疾病检测技术

解决方案简介：

研究者在高质量的图像数据集上训练深度卷积神经网络，使该系统能在数分钟内处理数万张胃镜图像。

解决方案详解：

胃癌的早期准确检出对降低该病的死亡率影响重大。研究者在高质量的图像数据集上训练深度卷积神经网络，使该系统能在数分钟内处理数万张胃镜图像，截至 2017 年 11 月，该系统的漏诊率为 0%，图片漏检率小于 5%，病变类型识别准确率高于 95%。

来源：机器之心Pro