在科研創新能力上，深睿研究院(Deepwise AI Lab)一直處於行業領先地位，是目前行業內規模最大的專注於人工智慧醫療領域的研究機構之一，從成立以來一直致力於醫療前沿科技的探索，通過科技與臨床的結合，產生了眾多兼具臨床價值和科技創新性的科研成果，陸續被國際頂級期刊和會議收錄。截止到目前為止，深睿研究院在人工智慧與機器學習頂級期刊及會議(如TPAMI、TCyb、ICML、CVPR、ICCV、ECCV、AAAI等)上發表論文三十餘篇，其中涵蓋了計算機視覺和模式識別領域三大頂級國際會議，尤其是連續兩年在備受矚目的頂級會議CVPR(谷歌2019學術榜Top 10)上均有學術成果發表，在國內人工智慧領域的科技公司中處於前列;同時，在醫學影像計算與分析領域，如IPMI、MICCAI、ISBI、RSNA、ECR等頂級會議上，發表論文近二十篇。 近期，深睿研究院又有兩篇科研成果被刊登在國際頂級學術期刊上，體現了深睿研究院的持續創新能力。
其中與中國醫學科學院腫瘤醫院共同完成的「Long-term follow-up of persistent pulmonary pure ground-glass nodules with deep learning」(https://doi.org/10.1007/s00330-019-06344-z)被國際頂級放射學雜誌European Radiology收錄並發表。European Radiology是歐洲放射學會的會刊，創刊於1991年，在行業具有廣泛影響力和不可或缺的學術地位，是放射學領域專家學者們不可或缺的信息來源，代表了最前沿的放射學科學，在綜合類影像期刊中居第2位。
當前，肺癌已經成為中國發病率和致死率第一的癌症，而在國內通過人工智慧技術輔助肺癌篩查已經得到了廣泛的應用，但目前普遍停留在利用深度學習進行肺結節檢測研究上。然而，對於肺結節的生長評估鮮有研究，尤其是對亞實性結節(純磨玻璃結節和部分實性結節)的長期管理在臨床上具有重要意義。其中管理長期存在的純磨玻璃結節pGGN(Pure Ground Glass Nodule)存在著更多的爭議。為了解決這些爭議，有必要研究長期存在的pGGN的生長進展，精確測量其生長速度，並識別出影響其進展的風險因素。這篇論文的研究工作正是利用深度學習技術對肺部pGGN進行自動分割，並基於隨訪數據開展上述研究，為臨床上量化評估肺結節提供給更為精準的依據。
本研究中，pGGN的自動檢出和分割由來自深睿醫療的Dr. Wise AI肺結節輔助診斷系統實現，綜合利用遞歸神經網絡(Recurrent Neural Network, RNN)和卷積神經網絡(Convolution Neural Network, CNN)，超過目前任何單一分割方法的效果。基於Dr. Wise AI肺結節輔助診斷系統對基線以及所有隨訪的胸部CT影像數據進行肺結節自動檢出和分割，自動計算出pGGN的直徑、密度、體積、質量、VDT(體積倍增時間)和MDT(質量倍增時間)，並通過以上量化指標探究肺pGGN的自然生長規律，準確測量pGGN的生長速度，並評估影響pGGN生長的危險因素，為臨床上管理pGGN提供了重要的參考。本研究的結果表明，深度學習技術可輔助揭示pGGN的自然生長規律;其中長期存在的pGGN表現為惰性生長;有分葉徵和較大基線直徑、體積和質量的pGGN隨訪過程中更容易出現生長。
圖1. 分葉狀徵、初始平均直徑、初始體積和初始質量是預測pGGN是否進展的關鍵指標
同時，深睿研究院與北京理工大學合作完成的論文「A deep network for tissue microstructure estimation using modified LSTM units」(https://doi.org/10.1016/j.media.2019.04.006)被刊登在Medical Image Analysis(MIA)。MIA是國際醫學圖像計算和計算機輔助幹預會議MICCAI的官方期刊，創刊於1996年，關注將計算機視覺、虛擬實境和機器人技術應用於醫學影像領域的科研成果，其影響因子逐年上升，2018年達8.88，行業內知名專家學者關注度極高，被譽為高質量論文的衡量標尺。
本論文基於改進的長短時記憶(Long-Short Term Memory，LSTM)單元提出了一種用於估計組織微觀結構的通用深度網絡MESC-Net，提升了彌散磁共振成像 (Diffusion Magnetic Resonance Imaging，dMRI)質量。dMRI為非侵入式評估組織的微觀結構提供了一種獨特的工具，但由於模型較為複雜，通常需要帶有大量彌散梯度的掃描序列來提升圖像質量，而這導致了掃描時間的延長。在使用較少的彌散梯度時，用複雜信號模型來精確描述組織的微觀結構具有一定的挑戰性。所以，如何基於較少的彌散梯度得到較好的dMRI圖像質量是科研上持續探索的一個難題。
本文提出的MESC-Net網絡在彌散梯度減少的情況下可以提升圖像質量，對於臨床掃描上的價值則是可以縮短掃描時間，提升臨床效率。另外，本研究提出的網絡結構是一種通用的估計微觀組織結構的網絡，而不只是局限於某一種模型，為了驗證該算法的通用性，實驗還評估了基於三種信號模型NODDI(neurite orientation dispersion and density imaging)、 SMT(spherical mean technique)、 EAP(ensemble average propagator)估計得到的組織微觀結構結果。實驗結果表明MESC-Net可成功地應用於三種不同的模型，該方法可以作為組織微觀結構估計的通用方法，擁有廣泛的臨床應用前景。
圖2. 基於NODDI模型用MESC-Net計算得到的vic/viso/OD的橫截面示意圖，AMICO/MLP/MEDN/MEDN+/m-MEDN+均為對比方法
深睿醫療是一家注重前沿科技探索的公司，作為AI醫療領域的引領者，始終堅持將最先進的人工智慧技術應用到醫療領域，以俞益洲教授(ACM 傑出科學家/IEEE Fellow)為核心的深睿研究院，一直致力於探索前沿的人工智慧科技在醫學領域的應用，通過Dr.Wise 多模態科研平臺的助力，不斷深化與醫院、高校在臨床問題上的科研合作，提升科研效率，產出高質量的科研論文，並促進成果轉化，讓前沿人工智慧技術和研究更加貼近臨床需求，讓AI真正落地到實際臨床場景，助力國家智慧醫療建設。
進入2019年，深睿研究院有8篇論文入選人工智慧頂級會議CVPR2019，實現了圖像識別與醫學影像分析等技術的創新性突破，躋身中國論文發布數量排名前列的科技公司之一。在今年10月召開的醫學影像分析頂級國際會議MICCAI和11月召開的國際計算機視覺頂級會議ICCV上，深睿研究院又有10篇關於醫療人工智慧領域的科研論文被收錄。截止到目前為止，深睿研究院已發表50餘篇頂級學術論文，累積影響因子超過80，論文接收率超過50%，彰顯出深睿研究院強大的科研能力。
來源：消費日報網