【51CTO.com快譯】隨著人工智能的發(fā)展, 與人們?nèi)粘Ｉ钕⑾⑾嚓P(guān)的許多領域都受到人工智能的影響。其中，醫(yī)療領域作為人們關(guān)注的重點，很早便引入了機器學習來輔助醫(yī)生進行治療。

例如人們可以利用機器學習來自動識別 X 光片中的影像是否有骨折，或者判斷醫(yī)療影像中是否存在腫瘤或者癌癥。這些相關(guān)的研究有的歷史非常悠久，有長達10年甚至更久的研究時間。人工智能在醫(yī)療行業(yè)的商業(yè)化落地實踐，最近受到了風投行業(yè)的追捧，成為了最為熱門的投資領域之一。 

圖1. 人工智能醫(yī)療公司圖譜

MICCAI 是醫(yī)學圖像處理領域的權(quán)威會議。2016 年， Han Zhang 等3位研究者在 MICCAI 上發(fā)表了題為 Outcome Prediction for Patient with High-Grade Gliomas from Brain Functional and Structural Networks 的論文，講述了他們?nèi)绾卫脠D像處理和機器學習的技術(shù)預測腦瘤發(fā)展趨勢。下面我們來看一下他們的方法：

45% 的腦瘤都可以歸類為大腦膠質(zhì)瘤，論文是對高惡性程度大腦膠質(zhì)瘤(HGG)發(fā)展趨勢的預測。作者聲稱本研究是研究界首次通過分析大腦神經(jīng)連接情況進行腦瘤預測。HGG 發(fā)展預測由3個部分組成：圖像處理、特征選擇、分類，具體步驟見下圖： 

圖2. 腦瘤預測系統(tǒng)架構(gòu)圖

訓練數(shù)據(jù)

作者選取了68名病人作為研究對象，其中34 名病人在 650 天內(nèi)病故，被當作負樣本(bad)。另外 34 名病人存活日期超過了 650 天，被當作正樣本(good)。訓練數(shù)據(jù)來源為 rs-fMRI 數(shù)據(jù)和 DTI 數(shù)據(jù)。

圖像處理

作者利用了 SPM8 和DPARSF 軟件處理 rs-fMRI 數(shù)據(jù)來構(gòu)建功能性大腦網(wǎng)絡模型，同時采用　FSL 和 PANDA 軟件處理 DTI 數(shù)據(jù)來結(jié)構(gòu)性大腦網(wǎng)絡模型。

網(wǎng)絡構(gòu)建

針對結(jié)構(gòu)性大腦網(wǎng)絡，作者利用 AAL 將大腦分割成 116 個區(qū)域，并構(gòu)建圖論模型。其中每個區(qū)域是圖中的一個結(jié)點，有神經(jīng)纖維連接的區(qū)域之間產(chǎn)生一條邊，邊的權(quán)重與纖維的數(shù)量成正比，與兩個區(qū)域的皮質(zhì)表面積之和成反比。作者對這 116 個區(qū)域中的每個區(qū)域抽取了 BOLD 時間序列，并計算序列和序列之間的相關(guān)性作為節(jié)點之間的權(quán)重。

特征抽取

作者計算了構(gòu)建的大腦網(wǎng)絡中的如下特征作為機器學習模型的輸入數(shù)據(jù)：網(wǎng)絡中節(jié)點的度、 網(wǎng)絡的聚類系數(shù)和最短路徑長度、網(wǎng)絡效度和網(wǎng)絡中心度。還加入了13個額外特征，包括性別、年齡、腫瘤大小等。每個病人的特征總數(shù)為 2797 個。因為特征的維數(shù)較高，會產(chǎn)生過擬合問題，作者采用如下3個步驟進行特征抽?。?/p>

1. 利用 t-檢驗 挑選出最能區(qū)分正負樣例的特征

2. 利用 RELIEF 算法給剩余的特征進行排序并賦予權(quán)重

3. 使用序列后向法進行特征選取。然后利用 SVM 在特征子集上進行預測。準確度最高的特征子集被用來作為分類步驟的特征。

實驗結(jié)果

當值采用臨床特征進行預測時，正確率只有 63.2%;當采用全部特征進行預測時，正確率為 75%。具體實驗結(jié)果參見下表： 

圖3. 不同人工智能算法在腦瘤預測問題上的效果

人工智能醫(yī)療領域方興未艾，目前風頭正勁。人工智能醫(yī)療涉及到圖像處理，機器學習等相關(guān)技術(shù)，歷史淵源流長。近年來備受風投青睞的人工智能醫(yī)療究竟是新瓶裝舊酒，還是下一個風口，讓我們拭目以待。 

原文標題：Outcome Prediction for Patient with High-Grade Gliomas from Brain Functional and Structural Networks，作者：Luyan Liu，Han Zhang，Islem Rekik，Xiaobo Chen，Qian Wang，Dinggang Shen

[[208201]]

汪昊，恒昌利通大數(shù)據(jù)部負責人，美國猶他大學碩士，在百度，新浪，網(wǎng)易，豆瓣等公司有多年的研發(fā)和技術(shù)管理經(jīng)驗，擅長機器學習，大數(shù)據(jù)，推薦系統(tǒng)，社交網(wǎng)絡分析，計算機圖形學，可視化等技術(shù)。在 TVCG 和 ASONAM 等國際會議和期刊發(fā)表論文 5 篇。本科畢業(yè)論文獲國際會議 IEEE SMI 2008 最佳論文獎。

【51CTO譯稿，合作站點轉(zhuǎn)載請注明原文譯者和出處為51CTO.com】