癌症，猶如黑暗中的魔鬼，帶給人們恐懼與絕望。而肺癌，在我國作為發病率、死亡率最高的一類癌症，傷害著無數家庭。在我國每年都有近60萬人死於肺癌。然而，癌症的死亡率與首次發現癌症的時期緊密相關，早期肺結節篩查可以為無數人免去痛苦與折磨。上海交通大學人工智慧實驗室徐奕教授、倪冰冰教授、楊小康教授、朱禹萌同學等人與點內科技合作，利用深度學習搭建的肺結節自動定位篩查系統，能夠有效檢測肺CT影像中包含微小結節、磨玻璃等各類結節，並降低假陽性誤診的發生，實現“早發現，早診斷，早治療，早痊癒”的願望。該演算法獲得了天池大資料比賽的第一名，這個比賽吸引了全國兩千多支參賽團隊，總獎池高達百萬，面向全社會各大醫院、高校、公司、研究所參加。

團隊利用計算機視覺領域卷積神經網路技術來解決肺結節檢測問題，並在多個層面上進行創新。1）結合物體檢測與分割演算法提取候選結節，產生高召回率候選結節池。2）使用假陽性衰減網路，並採取多尺度整合學習的網路模型提高檢測精度，衰減假陽性比例。3）在資料的處理上，採取生成對抗網路進行了資料增廣，提高了訓練的有效性。

演算法框架如圖

資料預處理

通過旋轉平移等幾何變換針對有限數量的正樣本做資料多樣性增廣，類似於醫生通過不同的視角、不同的上下文去分析結節區域，並利用生成對抗網路（GAN），從隨機噪聲中產生新的結節正樣本，學習生成新形態的結節樣本，深度增廣資料的多樣性，提升模型泛化能力。

結節預檢測

建立3D-Unet網路結構，該分割網路主要功能是提取疑似候選結節，最大化敏感度，降低漏檢率。 其網路輸入三個維度的資料特徵，可從多個Z軸維度”觀察“，正如醫生結合多個平面觀察結節，從而充分學習肺內部正常紋理和非正常紋理的區別，捕捉到結節多樣性特徵，比如毛玻璃結節密度比周圍略高、呈雲霧狀性，純實性結節實性密度較高，類似單獨分離的蛋黃等。

結節精檢測

結節精檢測採用三種模型分別預測候選結節概率，並根據模型間權重比例給出最終概率的方法。主要優勢在於，負樣本經歷由易至難的學習過程，分割網路和後續假陽性衰減網路相輔相成。多結構型別的模型Ensemble，且單一網路效能良好，類似於多個醫生獨立閱片的過程，綜合給出閱片結果。

結果

這一演算法在阿里雲與英特爾聯合舉辦的天池醫療AI大賽中大獲全勝，以0.732的成績從兩千多組強勁隊伍中脫穎而出，在比賽最為重要的複賽賽程中排名第一。

根據演算法訓練出的模型能夠更好地處理不同形態的結節特徵，達到很好的檢測效果，在400例小結節測試資料上，FROC曲線如圖所示：

值得注意的是，該演算法診斷20萬張肺結節片需要10分鐘，遠遠少於醫生人工診斷的時間，在提升準確率的同時，節約了醫生的時間，真正在診斷流程上做好了醫生的助手。團隊也將演算法真正投入到上海各大醫院進行試驗與使用，嵌入醫生診斷流程當中，真正造福患者。