GPU 技術在放射治療領域的科學研究.pdf

1、HCMed海創時代（深圳）醫療科技有限公司基于大數據和人工智能的放療自動化系統研究2020年11月匯報人：朱其奎博士算法總監#page#5MIRACLES OFA100A100采用目前最先進的臺積電（TSMC）7納米工藝，擁有540億個晶體管，是一塊3D堆疊芯片，面積高達826mm2，GPU的最大功率為400W。為專業級醫療人工智能提供了強有力技術支持！#page#UNIFIED AI ACCELERATIONA100針對云服務的虛擬化進行了升級，全新的multi-instanceGPU機制在模擬實例時，每塊BERT-GPU的吞吐量增加了7倍0最終在跑AI模型時，如果用PyTorch框架，相比

2、上一代V100芯片，A100在BERT模型的訓練上性能提升6倍，BERT推斷時性能提升7倍A100的高效應用，極大縮短了海創產品在醫學影像分割等算法模型的訓練時間海創醫療HCMed作為國內領先放療AI技術提供商全系產品采用A100高性能顯卡，傾力為客戶提供高效情準的放療人工智能輔助診療系統#page#DHCMed目錄第一章海創醫療公司介紹第二章海創醫療在醫學人工智能領域的相關研究第三章放療自動化系統的臨床應用#page#第一章海創醫療公司介紹#page#|誕生1.1公司簡介海創時代（深圳）醫療科技有限公司聚焦腫瘤放療人工智能算法及應用，與中國醫學科學HCMed院腫瘤醫院（國家癌癥中心一一路走來

3、合作研發的：“基于大數據和2016年，公司成立；人工智能的腫瘤放療自動化系2017年，放療信息化平臺上線統“已完成“腫瘤粑區和正常器2018年，放療智能勾畫系統上線官自動勾畫模塊，該功能正（國內率先）；在申請AI注冊證和CE認證，并2020年，公司在完善現有產品的基同步推進商業化落地。礎上，將研發精力更多側重質子加速器和新型直線加速器軟件功能的開發，與華中科技大學質子中心和美國醫科信醫療系統有限公司深度合作，為下一代精準放療設備提供高效AI解決方案。#page#1.2戰略合作合作研發“4m新型直線加速器美國X-CISION醫科信唯一軟件合作開發商（醫科信）醫科院腫瘤醫院中核安科瑞飛利浦華夏精放

4、承接其多項研發項目“基于大數據和深度學習的腫瘤放療自華中科技大學君心醫療動化系統”于2018年獲得北京市科學技術委員會當期最高金額的科研資助。提供AI、大數據及遠程協作相關技術合作質子直線加速器定制開發A/算法模塊和完整的治療計劃系統#page#1.3科研成果lanternational Joint Conferenee on Neural Networks (UCNNSCI一區 top期刊（IEEE Transactions on MedicalImaging IF=6.685）公司算法團隊在過去3年內SCI二區期刊（Neurocoputing，IF=4.428）發表和投稿SCI期刊論文10

5、余篇。（UCAI）Internatonal Joint Conference on Arificial IntelligeneeCCF國際頂級會議論文引用次數430Mo山#page#2.1醫學圖像的分割2.2醫學圖像的配準第二章2.3多模態醫學圖像自動生成海創醫療在醫學人工智能領域的2.4生物信息分析相關研究2.5癌癥的診斷與預測2.6質子計劃系統蒙特卡羅算法開發發與優化#page#2.1醫學圖像的分割-臨床價值D3大腦的分割前列腺的分割肺結節的分割膀脫內外壁的分割醫學圖像分割，是醫學圖像分析領域中復雜而關鍵的步驟其目標是將圖像中某些具有特殊含義的組織或者器官分割出來為臨床診療和病理學研究提供

6、可靠的依據#page#2.1醫學圖像的分割MRI前列腺示例（a）（）（0）MRI前列腺存在的問題Unet的分割結果不盡理想（a）MR圖像中，復雜的背景（a）前列腺的分割結果往往丟失準確的邊緣信息（b）前列腺邊緣模糊（b）無法使網絡得到充分的訓練，導致網絡出現過擬合問題（c）不同的前列腺的形狀、大小不同等等（d）少量的擁有標簽的醫學數據。#page#2.1醫學圖像的分割MRl前列腺示例8383030000一產1U910前列腺分割結果D該論文中提出：通過遷移學習+邊緣束縛的方法，解決prostate數據集樣本少和不同的prostate數據集之間domainshift的問題，實我們團隊于2019年在

7、醫學圖像分析top期刊IEEETRANSACTIONSON現前列腺的精準分割。MEDICALIMAGING（TMD上發表了一篇論文，文中所提出的方法新獲ProstateMRImageSegmentation大賽第一名。#page#2.1醫學圖像的分割其他醫學圖像的分割睫腺分割結果我們的方法不僅能夠在前列腺分割上取得優異的效果，還可用于其他器官的分割。肝臟和腫瘤分割結果實驗表明，我們的方法擁有優秀的圖像分割性能。#page#2.2醫學圖像的配準-面臨的挑戰LeydePAAPABAX色XBPBA中BBBXLeyde逆一致性損失：Lvers=|aBEBl+|gAal循環一致性損失：Leyctae=A

8、-A+|B-E220#page#2.2醫學圖像的配準-解決方案自適應的基于解剖學約束的配準算法，避免了利用圖像的相似性來訓練模型利用高斯矩陣對標簽進行空間平滑概率映射，將映射的結果作為一種弱監督信息，減少了網絡的過擬合，以此指導配準網絡的訓練，解決了圖像對之間變形大、配準難的問題22#page#2.2醫學圖像配準的配準結果TABLE IPERFORMANCE COMPARISON OF DIFFERENT METHODS、MethodHD（mm）Dice（%）78.550.01Initialization8.660.63SyN 12883.190.019.030.55DIRNet 12180.

9、28+0.0113.39+0.39Multi-Reg (ours）6.390.6086.360.01與目前主流的幾種方法相比我們的方法取得了最優的結果：限#page#2.3多模態醫學圖像的自動生成網絡架構圖Tumor- awareCross- modality Image TranslationakeRealmtOuGeneratorTarget Ouput DataTumor SegnNetworkFakelReal FinelOupatConditional Generator GOnly part needed for testiing#page#2.3多模態醫學圖像的自動生成不同模態的

10、MR影像之間相互轉換通過MRI影像自動生成CT影像通過CT影像自動生成PET影像館PETCT#page#2.3多模態醫學圖像的自動生成-MRI影像的跨模態生成我們的方法均優于其他方法視覺上更清晰腫瘤細節更準確PSNRSSIMMethodTumorThmorWhole image27.5831358SC008L0pix-to-pixj100.40227.5134419820Context-AwareGANI0.36327.4034.500.728CycleGAN2110.369273334.520.731Shape CyleGAN2227.9334.72Proposd0.4410.785JnoS

11、hape-consicontext-CycleGANgroudtruthpix topixCyCIeGANproposedaware GAN#page#2.4生物信息分析研究RNA位點的意義該部分的基因變異可能導致B地中海貧血HBBpromotercomplexHOXD13理解生物和人體內部的調節過程TSSchr11:5.248.301CcCTGGCTCCTGcc治療一些因此產生的疾病助于醫生和生物學家的分析為生物研究提供指導性建議該部分的基因敲除或變異可能導致血友病TSSHNF4G、F7 promoterSP1FOXA1chr13:113.760.102AGCGCCAGCATcccTCTGT

12、cACTcAGTCCC#page#2.5癌癥的診斷與預測臨床檢驗科分子檢驗動斷服告1t/住院號：批跡類票：自/任院味號：本類題申請科案1精本編號工階日基園物味保息惠者的兒子陸果報營結合臨床診斷結果，實現腫瘤精準早篩與預測一者理胞DNABMT面店的重#page#2.5癌癥的診斷與預測ClassifieationGCN layeAdaptive weight computationDotoperatof十SumoperatorInputFeature ExtraetionNode RepresentationFeatre Fusion基于圖卷積神經網絡的方法，構建病人和病人之間的相互關系，以此實現

13、腫瘤早篩與預測利用影像信息和臨床信息#page#2.5其他疾病的診斷與預測（模型驗證）我們的方法（MutiHop）不僅對癌癥的診斷和預測具有極為優秀的預測精度，也可廣泛適用于其他疾病的診斷和預測，在不同疾病的預測精度上均遠遠超越了其他的方法。GCNMutiHop （ours）DatasetInceptionGCN I131Mixed67.865.9366.706.27ABIDE70.044.52Best67.974.43（Sitce）67.865.93Mixed）Mixcd82.045.7184.35697TADPOLE91.823.07Best84.594.82（Gender）88.533.

14、27（Age）Mixed84.394.5586.525.14CXR87.125.13Best85.763.26（Age）86.525.14（Mixed）ABIDE:TheAutismBrainmagingDalaExchange（ABIDE）database（自閉癥診斷）TADPOLE The TADPOLE is derived from the Alzheimers Disease Neuroimaging hitiative ADND database口 D口口口ENLST This dataset is created by the National Lbrry of Medicine

15、. Maryland USA in collaboration with Shenzhen No.3 People s HospitalGuangdong Medical College. Shenzhen （口口口#page#2.6質子計劃系統蒙特卡羅算法開發與優化蒙特卡洛算法被稱為質子治療劑量計算的金標準，我們主要的研究內容包括（1）基于開源蒙卡工具包的算法調用：通過調用Geant4的算法來實現質子治療所需的幾何模型建立與物理過程模擬。（2）模型建立：建立符合Geant4標準的射線源、治療頭組件病人治療附件等模型，確定其計算參數并建立數據庫。（3）算法實現與優化：建立合理的算法流程，實現方

16、便的治療參數設置與劑量計算；通過GPU加速、引入相對生物劑量模型等進行算法優化，實現MRT/VMAT放射治療計劃快速計算。#page#第三章放療自動化系統的臨床應用#page#3.1放療自動化系統的研究價值快速將先進的放療技術和經驗通過深度學習建立專家模型的方法傳遞到醫院規范放射治療的把區勾畫和放療計劃設計環節提高醫生及物理師的工作效率和放療精準性和安國全性；提高腫瘤放療控制率，使技術落后地域也能享受國內領先水平的放療。#page#3.1放療自動化系統的研究路線AI賦能開發AI自動化系統為臨床提供智能化自動化服務優質數據基于國內外頂級醫生專家臨床診M療數據（結構勾畫、計劃設計等）特山送代升級通

17、過AI自學習功能在臨床使用過程中日臻改善產品性能構建大數據庫構建專有放療云數據庫，深度挖掘數據結構特征#page#3.2常規放療設備智能解決方案現有主流硬件設備（直線加速器）：醫科達、瓦里安服務對象：醫院放療科和腫瘤患者海創醫療AI智能化解決方案，具體內容如下智能勾畫Smartcontou自動計劃SmartPlan療效預測SmartPredict基于SmartContour自動勾畫把區及危及多病種鄲區NPC、NKT、乳腺癌、食以劑量組學為基礎，即提取大量優質劑量分器官的結果，全自動AI計劃；管瘤、肺瘤、肝瘤、宮頸癌、直腸癌、布空間特征，并結合影像組學、基因組學和前列腺癌蛋白組學等；以深度學習獲

18、取的最優劑量分布來自動設兼容主流TPS：Pinnacle、置計劃參數，顯著降低優化時間；通過深度學習算法，建立放療結果預測模型RayStation、Eclipse、Monaco等全可同時預測放療并發癥和綜合治療效果；利用AI算法對目標函數進行選代優化，高兼容，并可提供自主開發的Web端粑質量計劃結果輸出指導臨床醫生制定個性化的放療方案，并可區勾畫系統為腫瘤患者提供高效專業的診療建議#page#3.3臨床實際應用案例其他投入臨床應用醫院名單北京大學第一醫院黑龍江省腫瘤醫院中國醫學科學院腫瘤醫院時間：2018.6.7-2019.10.9河北醫科大學第三醫院臨床應用情況河北醫科大學第四醫院（河北省腫

19、瘤醫院）數量：AI勾畫系統已服務時間：醫生手工勾面患者人病種VS同時期科室新收治病例總湖北省腫瘤醫院輔助勾畫+人工確認修改時間數90%以上湖北省人民醫院324直腸癌60-80 min VS湖南省人民醫院100100口40-60 min VS imin+10min浙江大學第一醫院溫州醫科大學附屬第一醫4190005-6h VS 6min+ih深圳市人民醫院5540-60 min VS 1min+10min0（持續更新）.#page#3.4權威認證榮譽加持XINHUANET湖光日新AI speet硬核宣傳權威認證CHINADAILYcanc醫療健康人工智能人工智能勾畫系統率先在腫瘤放療實現臨床應用落地30最佳案例應用SmartContour是國內最早投入臨床應用的放療AI產與中國醫學科學院腫瘤醫院合作研發的腫瘤放療品，2018年5月起，先后在包括中國醫學科學院腫瘤感興趣區智能勾畫系統”，榮獲國家衛健委2019醫院在內的20多家頂級放療中心投入臨床應用。新華年醫療人工智能應用落地優秀案例”表彰，是放療社、湖北日報多家媒體報道。領域唯一入選項目#page#HCMed感謝觀看