本文讲的是全球肝脏肿瘤病灶区CT图像分割挑战大赛，联想E-Health夺得冠军，在近日结束的全球LiTS (Liver Tumor Segmentation Challenge，肝脏肿瘤病灶区CT图像分割挑战)大赛上，联想研究院人工智能实验室 (Lenovo AI Lab)推出的E-Health解决方案 (也称leHealth)力压群雄，夺得冠军。
LiTS国际大赛是什么？
LiTS大赛由慕尼黑理工大学、以色列特拉维夫大学等高校、科研院所与国际顶级医学图像年会MICCAI 2017联合举办。大赛参赛项目来自全球35个国家，其中197个参赛项目来自中国，155个来自美国，42个来自印度。
这么多的参赛者要解决一个什么问题？——用创新的算法解决肝脏肿瘤病灶CT图像的自动分割。医学图像分割对疾病诊断、图像引导手术以及医学数据的可视化具有重要的作用，能为临床诊疗和病理学研究提供可靠的依据。而由于肝脏肿瘤病灶的复杂性特点，对其CT图像的自动分割相当困难。
世界领先的肝脏肿瘤CT图像分割准确率
在全球众多的参赛项目中，联想的E-Health最终以世界领先的肝脏肿瘤CT图像分割准确率指标 (dice per case)夺得大赛冠军。
那么E-Health到底有什么特别之处呢？
E-Health是联想研究院(Lenovo Research)应用于医学领域的智能医疗图像辅助诊断解决方案。它集成了前沿的深度学习算法，依托于拥有强大计算能力的联想云平台，凝聚了众多医学专家全方位的诊疗经验。在使用中一方面在减轻医生工作量的同时也可以避免由于医生疲劳等因素而产生的误诊情况；另一方面能够智能分析医疗图像自动为医生提供辅助诊断的意见。
目前，E-Health的应用主要体现在以下四个方面：
- 肿瘤的自动检测与分类。通过业界领先的深度学习算法，智能的分析患者CT图像，自动判断患者是否存在肿瘤；如果存在肿瘤，还能判断出该肿瘤的性质、大小、位置、类别等信息，辅助医生进行诊断；
- CT图像中肿瘤数据的自动标注。在CT图中加入比例尺及病人和CT图像的基本信息，并且可以在CT图像中智能标注肿瘤的位置和状态，方便医生读取图像信息；
- 集成肿瘤特性的三维模型展示。通过算法将集成了肿瘤特性的三维模型在系统中显示，方便患者与医生进行沟通与交流，了解自身病情；
- 诊断报告自动生成。系统能够将肿瘤检测结果、分类结果、肿瘤形态等信息进行整合，自动生成诊断报告。同时医生可以在自动生成的诊断报告基础上进行修改，在减轻医生工作量的同时提高工作效率。
此次在LiTS大会上夺得冠军，更是凸显了E-Health在数据分析处理、算法和深度学习平台技术方面的优势。
- 首先，医学图像处理常见的问题来自于标注数据噪音，特别是在有限训练数据样本的情况下会影响深度学习模型的性能，因此首先要对数据做好预处理工作，E-Health在这方面表现得相当出色。
- 其次，在算法方面，由于肝脏肿瘤数据是多样的，来自于不同的医院。有鉴于此，联想E-Health团队设计了不同的深度学习模型，能够自适应地学习数据的特性。
- 第三，E-Health的背后是联想先进的、异构的人工智能深度学习平台。它是一个分布式深度学习平台，支持多种开源框架，可实现分布式任务调度，通过多节点并行加速实验、算法研究和模型迭代的过程，能够面向多个AI应用，如自然语言理解，语音识别等。
该平台在性能上达到了行业先进水平。在存储方面，系统使用了超融合架构，针对SSD进行了性能优化；在网络方面，平台使用高性能40G网络交换机来搭建高速网络；在计算方面，采用高性能GPU/FPGA加速，扩展性、加速比很好，支持异构。