【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(lǐng)域都受到人工智能的影響。其中，醫(yī)療領(lǐng)域作為人們關(guān)注的重點(diǎn)，很早便引入了機(jī)器學(xué)習(xí)來輔助醫(yī)生進(jìn)行治療。

例如人們可以利用機(jī)器學(xué)習(xí)來自動(dòng)識(shí)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(dá)10年甚至更久的研究時(shí)間。人工智能在醫(yī)療行業(yè)的商業(yè)化落地實(shí)踐，最近受到了風(fēng)投行業(yè)的追捧，成為了最為熱門的投資領(lǐng)域之一。 

圖1. 人工智能醫(yī)療公司圖譜

MICCAI 是醫(yī)學(xué)圖像處理領(lǐng)域的權(quán)威會(huì)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(jī)器學(xué)習(xí)的技術(shù)預(yù)測(cè)腦瘤發(fā)展趨勢(shì)。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(duì)高惡性程度大腦膠質(zhì)瘤(HGG)發(fā)展趨勢(shì)的預(yù)測(cè)。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(jìn)行腦瘤預(yù)測(cè)。HGG 發(fā)展預(yù)測(cè)由3個(gè)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(yù)測(cè)系統(tǒng)架構(gòu)圖

訓(xùn)練數(shù)據(jù)

作者選取了68名病人作為研究對(duì)象，其中34 名病人在 650 天內(nèi)病故，被當(dāng)作負(fù)樣本(bad)。另外 34 名病人存活日期超過了 650 天，被當(dāng)作正樣本(good)。訓(xùn)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(luò)模型，同時(shí)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(luò)模型。

網(wǎng)絡(luò)構(gòu)建

針對(duì)結(jié)構(gòu)性大腦網(wǎng)絡(luò)，作者利用 AAL 將大腦分割成 116 個(gè)區(qū)域，并構(gòu)建圖論模型。其中每個(gè)區(qū)域是圖中的一個(gè)結(jié)點(diǎn)，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(gè)區(qū)域的皮質(zhì)表面積之和成反比。作者對(duì)這 116 個(gè)區(qū)域中的每個(gè)區(qū)域抽取了 BOLD 時(shí)間序列，并計(jì)算序列和序列之間的相關(guān)性作為節(jié)點(diǎn)之間的權(quán)重。

特征抽取

作者計(jì)算了構(gòu)建的大腦網(wǎng)絡(luò)中的如下特征作為機(jī)器學(xué)習(xí)模型的輸入數(shù)據(jù)：網(wǎng)絡(luò)中節(jié)點(diǎn)的度、 網(wǎng)絡(luò)的聚類系數(shù)和最短路徑長度、網(wǎng)絡(luò)效度和網(wǎng)絡(luò)中心度。還加入了13個(gè)額外特征，包括性別、年齡、腫瘤大小等。每個(gè)病人的特征總數(shù)為 2797 個(gè)。因?yàn)樘卣鞯木S數(shù)較高，會(huì)產(chǎn)生過擬合問題，作者采用如下3個(gè)步驟進(jìn)行特征抽?。?/p>

1. 利用 t-檢驗(yàn) 挑選出最能區(qū)分正負(fù)樣例的特征

2. 利用 RELIEF 算法給剩余的特征進(jìn)行排序并賦予權(quán)重

3. 使用序列后向法進(jìn)行特征選取。然后利用 SVM 在特征子集上進(jìn)行預(yù)測(cè)。準(zhǔn)確度最高的特征子集被用來作為分類步驟的特征。

實(shí)驗(yàn)結(jié)果

當(dāng)值采用臨床特征進(jìn)行預(yù)測(cè)時(shí)，正確率只有 63.2%;當(dāng)采用全部特征進(jìn)行預(yù)測(cè)時(shí)，正確率為 75%。具體實(shí)驗(yàn)結(jié)果參見下表： 

圖3. 不同人工智能算法在腦瘤預(yù)測(cè)問題上的效果

人工智能醫(yī)療領(lǐng)域方興未艾，目前風(fēng)頭正勁。人工智能醫(yī)療涉及到圖像處理，機(jī)器學(xué)習(xí)等相關(guān)技術(shù)，歷史淵源流長。近年來備受風(fēng)投青睞的人工智能醫(yī)療究竟是新瓶裝舊酒，還是下一個(gè)風(fēng)口，讓我們拭目以待。 

原文標(biāo)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(fù)責(zé)人，美國猶他大學(xué)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(yàn)，擅長機(jī)器學(xué)習(xí)，大數(shù)據(jù)，推薦系統(tǒng)，社交網(wǎng)絡(luò)分析，計(jì)算機(jī)圖形學(xué)，可視化等技術(shù)。在 TVCG 和 ASONAM 等國際會(huì)議和期刊發(fā)表論文 5 篇。本科畢業(yè)論文獲國際會(huì)議 IEEE SMI 2008 最佳論文獎(jiǎng)。

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