2021.11.02.

近期，在法國斯特拉斯堡舉行了2021 MICCAI（國際醫(yī)學(xué)圖像計算與計算機輔助介入）大會，在FLARE腹部多器官分割的賽事中，復(fù)星杏脈從90余組來自世界各地的參賽團隊中脫穎而出，摘得國際競賽冠軍。以年輕團隊成員為主的杏脈算法團隊獲得賽會主辦方和國內(nèi)外知名專家的高度認可和好評，AI醫(yī)療領(lǐng)域的中國元素大放異彩。

MICCAI會議創(chuàng)建于1998年，由早期的醫(yī)學(xué)視覺與虛擬現(xiàn)實及機器人-CVR Med ，醫(yī)療機器人與輔助診斷-MRCAS和計算生物醫(yī)學(xué)可視化-VBC三大會議合并而成，目前已被公認為是醫(yī)學(xué)圖像計算、醫(yī)療機器人、人工智能、輔助介入、計算生物醫(yī)學(xué)等領(lǐng)域頂級的國際會議。2021年MICCAI吸引了全球超過2000多名頂尖的研究人員的參與，包括國內(nèi)外頂級學(xué)府和知名醫(yī)療技術(shù)機構(gòu)。

精確而高效的自動腹部器官分割具有重要的臨床意義，能夠降低醫(yī)生的人工參與，縮短臨床診療流程的時間。然而，腹部CT數(shù)據(jù)表現(xiàn)出的多樣性，給自動分割算法帶來了較大挑戰(zhàn)。現(xiàn)有腹部CT數(shù)據(jù)集大都只包含單中心、單期相、單一設(shè)備或者單一疾病數(shù)據(jù)，基于該數(shù)據(jù)設(shè)計的算法在多樣性的臨床數(shù)據(jù)中表現(xiàn)出較差的泛化性能。為了解決上述限制，2021 MICCAI組織FLARE分割競賽。主辦方提供包含多期相、多中心的腹部CT數(shù)據(jù)，要求同時實現(xiàn)肝、腎、脾和胰的多器官分割，并從分割指標和算法效率兩個維度綜合考評。

CT掃描視野差異大，三維的CT圖像對CPU和GPU等資源的占用需求高。為了均衡資源的利用率，現(xiàn)有的分割算法大都采用滑窗切塊的分割流程。為了保證分割的準確率，需要提高切塊的重疊區(qū)域，但也帶來了圖像區(qū)域的重復(fù)計算和資源消耗。而且，分離的圖像塊丟失了全局上下文信息，不利于病變器官的分割。FLARE的訓(xùn)練和測試數(shù)據(jù)分布差異大，多中心、多期相以及病理性器官等特點對算法的泛化性能提出了較大挑戰(zhàn)。為了應(yīng)對上述挑戰(zhàn)，復(fù)星杏脈放射算法團隊創(chuàng)新性地提出了題目為“Efficient Context-Aware Network for Abdominal Multi-organ Segmentation”的分割算法。他們提出基于整圖coarse-to-fine的分割框架，解決CT掃描視野導(dǎo)致的圖像差異?？紤]腹部多器官的解剖位置相對一致，采用整圖輸入能夠提取不同器官position-related的上下文特征。

放射算法團隊優(yōu)化UNet網(wǎng)絡(luò)結(jié)構(gòu)，首次提出EfficientSegNet網(wǎng)絡(luò)，該網(wǎng)絡(luò)由basic encoder、slim decoder和efficient context模塊組成。在decoder模塊中引入anisotropic卷積，提升了網(wǎng)絡(luò)計算效率；設(shè)計mixed pyramid pooling的context模塊，融入strip pooling結(jié)構(gòu)，提升了anisotropic和long-range上下文特征的表示能力。相較于self-attention和non-local模塊，strip pool具有更低的顯存占用和矩陣運算量。算法實現(xiàn)上，采用混合精度、分布式訓(xùn)練技術(shù)來縮短訓(xùn)練過程時間，提升顯存利用效率。在推理過程中，采用CUDA加速圖像預(yù)處理和后處理，F(xiàn)P16量化推理提升模型推理效率。

在主辦方提供的金標準測試集上，復(fù)星杏脈放射算法團隊將單例分割pipeline的執(zhí)行時間降低到9.32s，顯存占用峰值降低到1177MB，代表分割區(qū)域準確率的DSC達到89.5%,代表分割邊界準確率的NSD達到79.6%。相比于nnUNet分割框架，該分割方法的推理速度有19倍的提升，GPU顯存占用有60%降低。

自動的腹部器官分割為輔助臨床診斷、定量分析、腹腔手術(shù)規(guī)劃和導(dǎo)航等應(yīng)用奠定了基礎(chǔ)，具有廣泛的臨床應(yīng)用價值。該項分割技術(shù)作為復(fù)星杏脈的基礎(chǔ)算法，為公司相關(guān)產(chǎn)品線提供有力的保障。同時，腹部器官分割作為腹部CT應(yīng)用的前置單元，也為后續(xù)在腹部產(chǎn)品線的布局打下了堅實基礎(chǔ)。

復(fù)星杏脈構(gòu)建多元AI產(chǎn)研矩陣中，各產(chǎn)品線的算法研發(fā)團隊已經(jīng)不是第一次獲得國際比賽冠軍，早在2017年技術(shù)孵化階段就以“肺結(jié)節(jié)平均召回率96.6%”刷新國際權(quán)威的醫(yī)療影像大賽LUNA排行榜，獲得雙榜冠軍。2019年又以“一致性系數(shù)94.6%”榮登國際權(quán)威全球病理競賽Cancer Cellularity Challenge冠軍榜首。諸多榮譽也正是因為復(fù)星杏脈專注獨創(chuàng)性技術(shù)研發(fā)與臨床應(yīng)用創(chuàng)新，創(chuàng)新效率領(lǐng)先業(yè)內(nèi)，團隊覆蓋醫(yī)學(xué)影像、生物醫(yī)學(xué)、流體力學(xué)、機器學(xué)習(xí)、光學(xué)成像等眾多關(guān)鍵技術(shù)領(lǐng)域。