人工智能辅助宫颈癌治疗，英特尔至强平台支持高性能计算

2018-10-23 19:05来源:英特尔//

原标题：人工智能辅助宫颈癌治疗，英特尔至强平台支持高性能计算

近日，第六届“英特尔杯”全国并行计算挑战赛（pac）在青岛圆满落幕，该大赛自2013年创办已连续成功举办六届，是全国范围内（含港澳台）最大规模的并行挑战赛，英特尔作为大赛联合主办方，为大赛提供了计算平台以及相关培训，帮助选手顺利进行并行程序的开发以及优化。

今年的pac大赛有三个分类：并行优化，hpc（高性能计算）应用，ai（人工智能）应用。在众多的参赛项目中，由中国科学技术大学计算机科学与技术学院博士生导师、计算机系统结构研究室主任安虹教授指导的选题为dsu-net的项目吸引了大众的眼球，让ai在辅助医疗方面大显身手。

近两年，ai在医疗影像领域取得诸多突破，已经可以帮助医生看片，诊断宫颈癌、乳腺癌、食管癌、肺肿瘤等疾病。dsu-net项目提出一种新型的卷积神经网络（cnn）模型实现对宫颈癌放疗靶区的自动勾画。宫颈癌是一种早发现，早治疗可以治愈的肿瘤。中国是世界上宫颈癌发病率最高的国家，约占世界新发病例的1/4。近年来，我国宫颈癌的发病呈现年轻化趋势。目前放疗是宫颈癌主要的临床治疗手段，其中包括四个过程：影像采集、靶区勾画、放疗计划制定及优化和放疗计划实施。dsu-net项目旨在精准地勾画出肿瘤的临床靶区（clinical target volume，ctv）和危及的正常组织器官（organ at risk, oar），提高放疗计划中照射范围和剂量的制定，使医生从繁琐重复的阅片和勾画工作中解脱出来。

宫颈癌放疗靶区的深度学习模型-预测结果

一直以来，肿瘤ctv和oar的勾画通常由放射科医生手工完成，这不仅对医生造成很重的工作负担，还会因为恶性肿瘤易转移、浸润性生长等特性导致误诊和漏诊。安虹老师带队研发的宫颈癌ctv和oar精准自动勾画计算机辅助系统，在算法方面，提出了基于深度监督机制的全卷积神经网络模型（dsu-net），能够对宫颈癌ctv和oar进行精准勾画。“目前深度学习等人工智能技术已经日渐成熟，宫颈癌放疗靶区自动勾画这个项目的核心技术其实主要是高性能计算系统和软件的并行优化技术”，安虹老师表示，“庞大的数据量和复杂多变的模型对计算机系统的计算能力提出了严峻的挑战。该项目的重点在于如何优化系统来实现高性能计算，项目整套系统全部采用英特尔至强可扩展处理器构建的多机多路多核系统，训练、计算、勾画都在上面完成。”这项成果应用于临床，一方面可以降低误判、误诊率；另一方面医生能够将精力更多地投入到疑难的影像信息分析诊断中去，这对提升宫颈癌放疗效果具有重要意义。

英特尔至强融合可扩展处理器

选择英特尔的全cpu平台，主要有几个原因：

cpu系统易于搭建和使用，运行和维护成本低，易于普及。

cpu系统具有通用性和可扩展性好的特点，易于适应临床应用中各种各样复杂的计算任务和不同的深度学习模型，可以根据模型复杂度的需要灵活扩展节点数来实现系统的伸缩。

cpu系统可访问更大的存储空间，易于满足大数据量医学影像处理的需要。实验结果表明，当dsu-net采用8台双路至强服务器作为参数服务器，勾画精确度要高于u-net、fcn等医疗影像分析中常用的分割网络，已经达到了96.13%的精确度，可以获得接近线性的加速比。该系统进行宫颈癌临床靶区勾画时，6分钟就能完成医生需要不间断工作2-3小时完成的工作量，已能很好满足临床需求。

以上是网络信息转载，信息真实性自行斟酌。