达摩院医疗AI吕乐博士团队首创,基于CT

著名临床白癜风专家 http://pf.39.net/bdfyy/bdfzj/index.html

作为年服贸会重要组成部分之一，国家卫生健康委员会百姓健康频道（CHTV）定于9月1日在京举办“首都国际医学大会的平行论坛——数智医疗与医学人工智能创新论坛”。近日，吕乐博士带领团队研发的LN-DETR模型在淋巴结检测取得突破，显著提升诊断的准确性和效率。

淋巴筛查，一个需要解决、但一直没有得到解决的问题，尤其是在医学影像分析领域，淋巴结（LN）的准确检测对于癌症的诊断、分期和治疗策略至关重要。为此，吕乐博士已致力于相关研究长达十一年。

在三维计算机断层扫描（DCT）图像中，LN的识别受到其分散性、低对比度及与周围解剖结构相似性的影响。吕乐博士曾在发表了关于2.5D新型淋巴结检测显示方法的研究文章，“ANew2.5DRepresentationforLymphNodeDetectionusingRandomSetsofDeepConvolutionalNeuralNetworkObservations”，入选了MICCAI，同时也是MICCAI年会上获得当年唯一一篇youngresearcherpublicationimpactaward五年最有影响力论文奖。

随后，“ImprovingComputer-aidedDetectionusingConvolutionalNeuralNetworksandRandomViewAggregation”的研究文章，也被收录MICCAI会议文章的期刊扩展版。

在今年，吕乐博士沿用了此前的研究思路，带领阿里巴巴达摩院医疗AI团队联医院，提出了一种创新LN检测模型——LN-DETR，目前已经被计算机视觉的三大会议之一ECCV（欧洲计算机视觉会议）接收，其扩展版也被医学影像年度顶会MICCAI接收。

01

▼

深度融合2.5D特征，精准捕捉淋巴结三维信息

为提升LN检测的准确性，研究团队通过强化2D骨干网络，并结合多尺度2.5D特征融合技术，以明确地结合整合D上下文信息。

多尺度2.5D特征融合方法，允许模型同时处理和分析不同尺度的2D图像特征，进而构建出更为丰富的D空间表示。这样的设计使得模型不仅能够捕捉到LN在单个切片上的局部特征，还能够理解其在邻近切片中的连续性和空间分布，从而更全面地理解LN的结构和位置。此外，这种技术还可有助于模型在处理具有相似图像特征的周围组织时，减少误判可能性。

通过这种方式，LN-DETR模型能够更准确地区分LN和其他组织，提高检测的特异性和敏感性。

02

▼

创新技术，提高模型识别LN的准确性

LN边界模糊是检测中的一个难题。为此，研究团队在LN-DETR模型中引入了创新技术——IoU预测头和位置去偏查询选择机制。

IoU预测头通过评估模型预测的LN区域与实际区域的重叠程度，为模型提供了直接优化目标，使其在训练中更加