因为AI，构建「腹部地图」这个医学工作加速了数百倍

模型信息

【模型公司】 月之暗面
【模型名称】 moonshot-v1-32k
【摘要评分】 ★★★★★

文章摘要

【关 键 词】 医学图像分析、人体器官分割、智能算法、放射科医生、AI模型

人体器官分割技术在医学图像分析中扮演着至关重要的角色，尤其是在自动化疾病诊断和手术治疗方面。传统上，这一过程依赖于放射科医生手动完成，不仅耗时而且劳动强度大。例如，标注单个腹部器官可能需要医生花费约1小时。为了提高效率，约翰霍普金斯研究团队开发了一种结合放射科医生和智能算法的方法，对近万例CT扫描中的25种人体组织结构进行了详细标注，这一过程如果使用传统方法将需要医生花费近107年。该智能算法的开发显著提高了工作效率，预计将加速后续“人体地图”的绘制至少533倍。

这项研究的成果不仅在医学影像分析、机器学习、计算机视觉等领域的顶级会议中发表，还在ISBI和MICCAI的挑战赛中展出。此外，研究团队还提供了相关的论文、代码、数据集和竞赛主页链接，供感兴趣的研究者和从业者进一步探索和学习。

为了帮助公众更好地理解这项研究，机器之心邀请了约翰霍普金斯大学的李文璇硕士进行线上分享。李文璇的研究方向是利用大规模数据集和标注提升医学图像分析，她在多个顶级学术会议上发表过论文，并参与组织了多个学术会议挑战赛。

分享会将于3月4日19:00-20:00举行，届时将介绍如何结合放射科医生和智能算法的优势，构建“腹部地图”，并讨论这一成果如何提高AI在医学图像分割中的性能，以及为癌症检测和自动手术规划提供数据支持。直播还设有QA环节，欢迎加入交流群进行讨论。

原文信息

【原文链接】 阅读原文
【阅读预估】 961 / 4分钟
【原文作者】 机器之心
【作者简介】 专业的人工智能媒体和产业服务平台