人們永遠(yuǎn)無(wú)法完全躺下，這使得基于MRI或CT掃描的操作變得更加棘手。博士生科恩·埃彭霍夫(Koen Eppenhof)已證明，基于深度學(xué)習(xí)的算法可用于糾正不可避免的動(dòng)作。

為了進(jìn)行放射或盡可能精確地進(jìn)行操作，首先要由醫(yī)生將要治療的區(qū)域繪制到掃描儀(MRI或CT)上。然后使用新的掃描將該區(qū)域(例如腫瘤部位)定位在手術(shù)臺(tái)上。這絕非易事：兩次掃描中患者的位置永遠(yuǎn)不會(huì)完全相同，然后由于呼吸，器官不可避免地發(fā)生移動(dòng)和變形。為了解決這些困難，出現(xiàn)了一個(gè)完整的專業(yè)領(lǐng)域，即醫(yī)學(xué)圖像注冊(cè)，這構(gòu)成了生物醫(yī)學(xué)工程系醫(yī)學(xué)圖像分析小組工作的一個(gè)方面。

根據(jù)博士學(xué)位作為醫(yī)學(xué)圖像分析的候選人科恩·埃彭霍夫(Koen Eppenhof)的醫(yī)生，醫(yī)生們已經(jīng)擁有了智能軟件，可以使他們將掃描儀中的人物與所拍攝的圖像進(jìn)行匹配，并在較早的日期進(jìn)行仔細(xì)的分析。“但是，計(jì)算需要花費(fèi)幾分鐘的計(jì)算機(jī)，而理想情況下，您希望能夠?qū)崟r(shí)匹配兩次掃描。”

當(dāng)Eppenhof于不到五年前開始博士研究時(shí)，深度學(xué)習(xí)的原則剛剛起步。這是一種人工智能形式，能夠更快地完成此任務(wù)。根據(jù)該博士候選人的說(shuō)法，這項(xiàng)技術(shù)似乎已經(jīng)實(shí)現(xiàn)了其諾言。“起初，在會(huì)議上，我是從事深度學(xué)習(xí)的少數(shù)人之一，而現(xiàn)在幾乎所有醫(yī)學(xué)圖像分析的人都在使用它。”

游戲機(jī)

Eppenhof解釋說(shuō)，挑戰(zhàn)在于將原始圖像中的每個(gè)像素與新掃描中的相應(yīng)像素耦合在一起。為此，他“訓(xùn)練”了所謂的深度神經(jīng)網(wǎng)絡(luò)，該網(wǎng)絡(luò)在圖形處理單元(GPU)上運(yùn)行-與游戲計(jì)算機(jī)中的處理器相當(dāng)。“我們的團(tuán)隊(duì)將這些GPU的群集保存在高科技園區(qū)的一個(gè)涼爽的房間里，我們可以登錄。”

這種GPU的神經(jīng)網(wǎng)絡(luò)可以通過(guò)引用成千上萬(wàn)的示例來(lái)教導(dǎo)自己如何執(zhí)行任務(wù)。但是缺少培訓(xùn)材料?？紤]一下肺部照片的問(wèn)題：在呼入和呼出的各個(gè)階段，幾乎沒有多少套“已注冊(cè)”的肺圖像。因此，Eppenhof決定以無(wú)數(shù)種不同的方式來(lái)處理現(xiàn)有圖像，并將其用于神經(jīng)網(wǎng)絡(luò)。“接下來(lái)，我將經(jīng)過(guò)訓(xùn)練的網(wǎng)絡(luò)放到一組幾十個(gè)真實(shí)的CT掃描上，由多個(gè)專家根據(jù)數(shù)百個(gè)公認(rèn)的解剖學(xué)標(biāo)志(例如血管分裂或交叉的位置)進(jìn)行注冊(cè)，以放松。