博客

2020-03-10

耐能参与论文将登上国际医学影像顶级会议,用AI赋能智慧医疗

4月3~7日,国际医学影像领域的顶级会议IEEE ISBI 2020将在美国爱荷华珊瑚岛万豪酒店&会议中心举行。耐能、圣母大学计算机科学与工程系、IBM TJ沃森研究中心、广东省人民医院联合撰写的论文《用于CT图像去噪的多重循环一致性对抗网络》(Multi-Cycle-Consistent Adversarial Networks For CT Image Denoising),以15%的比例,从众多参选论文中脱颖而出,被选中在会议上公开宣读,探索用AI赋能智慧医疗的新领域。

在本次联合研究项目中,代表耐能参与研究的是创始人兼CEO刘峻诚、工程总监谢必克。此外,担任论文导师的圣母大学计算机科学与工程系副终身副教授、博士生导师兼电子工程系终身副教授史弋宇,还身兼耐能高级顾问。

在这篇论文中,作者指出:

CT图像降噪可看作是图像到图像的转换任务,其目标是学习源域X(噪声图像)和目标域Y(干净图像)之间的转换。最近,通过无需配对训练数据执行循环一致损失,循环一致性对抗去噪网络(CCADN)已取得了最新成果。

通过对CCADN的详细分析,我们提出了许多有趣的问题。例如,如果噪声很大,导致域X和域Y之间存在显著差异,是否可以在X和Y之间加入中间域Z桥接,从而使X和Z之间以及Z和Y之间的去噪过程更容易学习?由于此类中间域会导致多重循环怎样实施循环一致性是最好的?

出于这些问题,我们提出了一重循环一致对抗网络(MCCAN),该网络构建中间域并执行局部和全局循环一致性。全局循环一致性将所有生成器耦合在一起以对整个降噪过程进行建模,局部循环一致性则对相邻域的处理进行了有效的监督。实验表明,局部和全局循环一致性对于MCCAN的成功至关重要,而MCCAN优于现有技术。

这也是半年来,耐能和知名高校、机构进行产学研合作的又一成果。2019年9月,耐能团队参与撰写《集成忆阻器与CMOS以实现更好的AI》(Integrating Memristors and CMOS for Better AI)论文,介绍新型忆阻内存元器件结合传统CMOS工艺应用于AI领域的现状,并展望其方向与趋势,登上了《自然》杂志子刊《自然·电子学》(Nature Electronics)。
耐能参与论文将登上国际医学影像顶级会议,用AI赋能智慧医疗 | Kneron - 人工智能无处不在
耐能参与论文将登上国际医学影像顶级会议,用AI赋能智慧医疗 | Kneron - 人工智能无处不在

分享文章