Nature：为高维度医学成像设计可临床转化的人工(2)-中国医学计算机成像杂志

一、来稿必须是作者独立取得的原创性学术研究成果，来稿的文字复制比（相似度或重复率）必须低于用稿标准，引用部分文字的要在参考文献中注明；署名和作者单位无误，未曾以任何形式用任何文种在国内外公开发表过；未一稿多投。二、来稿除文中特别加以标注和致谢之外，不侵犯任何版权或损害第三方的任何其他权利。如果20天后未收到本刊的录用通知，可自行处理(双方另有约定的除外)。三、来稿经审阅通过，编辑部会将修改意见反馈给您，您应在收到通知7天内提交修改稿。作者享有引用和复制该文的权利及著作权法的其它权利。四、一般来说，4500字（电脑WORD统计，图表另计）以下的文章，不能说清问题，很难保证学术质量，本刊恕不受理。五、论文格式及要素：标题、作者、工作单位全称(院系处室)、摘要、关键词、正文、注释、参考文献(遵从国家标准：GB\T7714-2005，点击查看参考文献格式示例)、作者简介(100字内)、联系方式(通信地址、邮编、电话、电子信箱)。六、处理流程：（1）通过电子邮件将稿件发到我刊唯一投稿信箱（2）我刊初审周期为2－3个工作日，请在投稿3天后查看您的邮箱，收阅我们的审稿回复或用稿通知；若30天内没有收到我们的回复，稿件可自行处理。（3）按用稿通知上的要求办理相关手续后，稿件将进入出版程序。（4）杂志出刊后，我们会按照您提供的地址免费奉寄样刊。七、凡向文教资料杂志社投稿者均被视为接受如下声明：（1）稿件必须是作者本人独立完成的，属原创作品（包括翻译），杜绝抄袭行为，严禁学术腐败现象，严格学术不端检测，如发现系抄袭作品并由此引起的一切责任均由作者本人承担，本刊不承担任何民事连带责任。（2）本刊发表的所有文章，除另有说明外，只代表作者本人的观点，不代表本刊观点。由此引发的任何纠纷和争议本刊不受任何牵连。（3）本刊拥有自主编辑权，但仅限于不违背作者原意的技术性调整。如必须进行重大改动的，编辑部有义务告知作者，或由作者授权编辑修改，或提出意见由作者自己修改。（4）作品在《文教资料》发表后，作者同意其电子版同时发布在文教资料杂志社官方网上。（5）作者同意将其拥有的对其论文的汇编权、翻译权、印刷版和电子版的复制权、网络传播权、发行权等权利在世界范围内无限期转让给《文教资料》杂志社。本刊在与国内外文献数据库或检索系统进行交流合作时，不再征询作者意见，并且不再支付稿酬。九、特别欢迎用电子文档投稿，或邮寄编辑部,勿邮寄私人，以免延误稿件处理时间。

Nature：为高维度医学成像设计可临床转化的人工(2)

作者:

关键词:

摘要：

我们希望，通过建立允许研究人员评估临床表现、医院工作流程中的整合、与临床医生的互动以及社会人口伤害的下游风险的功能，可以在改善人工智能的交付方面迈出有意义的步伐。我们希望研究人员会发现这个观点很有用，因为它概述了在临床部署方面等待他们的潜在挑战，并且在解决其中一些问题时可以发挥指导性意义。

GAIR 2021大会首日：18位Fellow的40年AI岁月，一场技术前沿的传承与激辩

图 2：量化机器学习输出中的不确定性。

编译 | 王晔

因此，这些 "成像 "模式更类似于视频。将其作为图像拆开分析，可能会导致空间或时间背景的丢失。例如，将视频每一帧作为独立的图像进行分析处理，会导致每一帧视频之间时间信息的丢失。在利用超声心动图、CT和MRI扫描的各种任务中，基于视频的神经网络算法比其 2D 算法有相当大的改进，但集成多个不同的视图平面带来了额外的维度，很难将其纳入当前框架。

临床研究小组应该注意，虽然在相对便宜的计算机上训练单一模型可能是可行的，但要找到最佳性能的正确设置组合，几乎总是需要使用专门的硬件和计算集群来在合理的时间范围内返回结果。强大的抽象层（例如，Pytorch Lightning）还允许研究小组建立内部标准，以模块化的形式构建其代码。采用这样的模块化方法，神经网络架构和数据集可以很容易地被替换，有助于快速将过去为临床成像模式设计的系统重新用于新的用例。这种方法也有助于通过以新的方式集成子组件来扩展这些系统的功能。

尽管这些步骤有助于调整现有的神经网络架构，使其适用于医学成像，但为特定任务设计新的架构需要专业知识。模型架构类似于大脑，而训练后的权重（训练中优化的数学函数）类似于思维。进化搜索算法的进展利用机器学习方法来发现为特定任务定制的新架构，从而产生比人类构建的架构更高效和更高性能的架构。这些都为成像模式特定架构的发展提供了一个独特的契机。

本着提供更细微的临床背景并将更多的 "知识 "嵌入神经网络的精神，报告中的文本通过最先进的自然语言机器学习算法进行处理，随后训练视觉网络，以更好地理解让各种疾病 "不同"的原因。然而，最重要的是，他们表明使用这种方法可以将特定下游分类任务的标记数据量减少多达两个数量级。因此，未标记的成像研究，无论是单独的还是结合成对的文本报告，都可以作为有效预训练的基础。随后，对较小的高质量基础实况数据样本进行微调，以完成特定的监督学习任务。

纳入时间-事件分析在临床上将越来越重要，因为在疾病不稳定或早期阶段具有的可检测特征，在一定时间后可能会迅速发展。

另一方面，激活与临床上已知的重要区域的偏差可能预示着网络正在学习非特异性的特征，使它们不太可能很好地归纳到其他数据集。

对于涉及人工智能系统与临床医生进行正面基准测试的研究工作，或在临床注释者的帮助下策划大型数据集，我们建议以DICOM格式存储扫描的副本。这样就可以通过可扩展和易于使用的云端注释工具进行部署。目前有几种解决方案用于分配扫描数据供临床专家评估。要求的范围可能从简单的扫描级标签到详细的特定领域的解剖学分割掩码。在我们的机构，我们部署了MD.ai (New York, New York)，这是一个基于云的注释系统，可原生处理存储在机构批准的云存储提供商（谷歌云存储或亚马逊 AWS）上的 DICOM 文件。替代品提供类似的功能，如ePadLite（Stanford, California），它可以免费使用。基于云的注释方法的另一个优势是，扫描可以保持原始的分辨率和质量，实时协作模拟 "基于团队 "的临床决策，注释和标签可以很容易地导出用于下游分析。最重要的是，其中许多工具都可以用任何网络浏览器远程访问，并且极易操作，极大地提高了用户体验并减轻了临床合作者的技术负担。

不幸的是，绝大多数的临床成像方式都不是简单的静态 "图像"。例如，超声心动图是一种心脏的二维（2D）超声影像。这些 "视频 "可以从多个不同的视角拍摄，从而可以对心脏进行更全面的评估。CT和MRI扫描可以被认为是一堆二维图像，必须按图像顺序进行分析，否则医生有可能错过器官之间沿某一轴线的有价值的关系。

文章来源：《中国医学计算机成像杂志》网址: http://www.zgyxjsjcxzzzzs.cn/zonghexinwen/2022/0809/662.html