近日,环球打算机视觉三大顶会之一的CVPR(IEEE国际打算机视觉与模式识别会议)公布了2021年度的论文任命结果。腾讯医典AI团队与北京大学共同互助的论文《Exploring and Distilling Posterior and Prior Knowledge for Medical Report Generation》,凭借在医学图像报告自动天生领域的研究打破成功入选。
CVPR在2020年谷歌学术排行榜人工智能领域中排名第一,本次大会共收到来自环球超7000份论文投稿,终极1663篇论文得到任命,任命率仅为23.7%。
医学图像被广泛运用于诊断参考,基于肺部CT的新冠肺炎诊断也在疫情期间成为防控的关键。在医疗实践中,年夜夫须要针对医学图像按标准撰写和输出医学报告。面对弘大的患者数量,为所有的图像逐一撰写报告霸占了年夜夫大量事情韶光,不同年夜夫的履历差异也使得部分图像中的非常被忽略,无法表示在报告中。
如何借助人工智能快速、准确田主动天生报告,对付提升年夜夫事情效率和做事质量具有主要的实用代价,也成为了近年医学图像研究领域中的一个主要课题。
然而,前辈的医学图像报告自动天生系统也很随意马虎受医学图像报告中的数据偏差误导。本次腾讯医典AI入选的论文《Exploring and Distilling Posterior and Prior Knowledge for Medical Report Generation》,创新地提出了后验-先验知识探索及蒸馏(PPKED)框架,模拟人类年夜夫的判读办法,结合先验和后验知识来天生报告,以提高最终生成的医学报告质量,针对性填补了这一不敷。
模型中的先验探索(PrKE)模块,可以通过预构建包含心脏肥大、脊柱侧弯、钙化点、肺炎等常见非常特色信息的知识图谱,仿照年夜夫学习过的医学知识,以更好地识别出各种图像中的非常。另一方面,通过在演习集中匹配、提取已知的相似图像和报告,可以与病人的历史报告做比对参考,模型亦在一定程度上仿照了年夜夫根据自身丰富的履历来做决策的过程,实现利用先验知识来辅导报告的天生。
在后验探索(PoKE)模块中,模型可实现将当前图像进行标签分类,仿照年夜夫找寻图像非常的过程,大致框定非常的区域,提醒年夜夫针对该区域做进一步识别处理。先验和后验知识在经由多领域知识蒸馏(MKD)模块的综合过滤后,将天生终极的报告。
这一创新模型在IU-Xray和MIMIC两个国际公认的公开数据集上,取得了比以往所有同类模型更好的结果,可以有效地天生更高质量的报告。
医学图像报告自动天生模型的论文登上人工智能领域第一的行业会议,是腾讯医典在人工智能领域的又一次深入探索。腾讯医典AI团队专注于医学知识图谱、医学自然措辞理解、多模态深度学习等领域的研究,将持续在医学知识天生和推送、人工智能赞助诊疗等领域向行业输出切实可行的办理方案和领先技能,用科技提升医疗做事效率,助力医疗行业的数字化转型。
— 完 —