港科大褚晓文：医疗场景下的 AutoML ，模型参数量更小、分类准确率更高探索AI和医学结合更多的可能性

文章图片
探索AI和医学结合更多的可能性，是人工智能发展的一个重要命题。
AutoML作为近年来备受瞩目的概念之一，被视为解决算法工程师来提高训练模型效率的一个工具，在工业、农业、零售等诸多场景中均有被使用。
而随着AI在医学影像分析、医疗决策、个人就诊助手等场景领域的广泛应用， AutoML凭借其智能化、自动化等特性，也引发了越来越多研究团队开始思考：如果将其放置在医学场景下，是否也能获得不错的结果？
褚晓文，香港科技大学（广州）数据科学与分析学域正教授，由他所带领的团队也是这条探索路上的分队之一。
近日，褚晓文将在IEEExATEC科技思享会上进行题为《AutoML在基于胸部CT影像的Covid-19辅助诊断中的应用》的主题演讲，解析AutoML的基本概念和核心技术，并通过他们近两年的相关工作，介绍AutoML在医疗影像领域的潜在应用。
通过强大的算力解锁复杂场景数据， AutoML能够极大地减轻医生工作量，实现更加智能化的计算机辅助诊断，提供更准确的决策依据，在一定程度上提高了诊疗效率，精准节省医学成本。
AutoML+医学
从疾病辅助诊断治疗、慢病风险预测，到广泛的亚健康智慧康养， AI技术的出现和广泛应用，驱动传统医疗研究迈进了全新的阶段。作为「AI+医学」的一个重要研究方向，「AI+医学影像」的技术日趋成熟，在覆盖病种数量、诊断速度和准确性等方面也不断地实现突破。

文章图片
图注：褚晓文
褚晓文， 1999年于清华大学计算机科学与技术系获得学士学位， 2003年博士毕业于香港科技大学计算机科学系。 2003年到2021年，他在香港浸会大学计算机科学系任职助理教授、副教授、正教授，现任香港科技大学（广州）数据科学与分析学域正教授。
他研究兴趣包括GPU计算、分布式机器学习、云计算和无线网络等，在各种国际学术期刊和会议中发表论文200余篇，谷歌H指数为46 ，论文引用7900余次。曾获得2021年IEEEINFOCOM、2021年DASFAA-MUST、2020年IEEEGreenCom、2018年IEEEDataCom等国际会议的最佳论文奖，是IEEE资深会员和ATEC2021高级咨询委员会专家。
褚晓文和研究团队从2018年开始对AutoML调研，使用AutoML应用于医学场景下的研究。
2019年年末，一场突如其来的疫情席卷了全球， Covid-19的出现给人们的生活按下了暂停键。 Covid-19的检测诊断方法主要包括了核酸检测和基于医学影像的人工诊断，二者各有利弊，核酸检测耗时较长、且又需要专用的测试盒，而基于医学影像的人工诊断则十分依赖专业知识，分析耗时较长并且还难以发现隐匿病变。
褚晓文和研究团队开始考虑是否可以通过使用AutoML来辅助诊断Covid-19检测，提高检测效率。随着X射线图像和计算机断层扫描图像数据集的相继提出，褚晓文与香港浸会大学的博士研究生贺鑫在已有图像和数据集的基础上构建基于深度学习的Covid-19检测诊断模型，总结Covid-19检测诊断的主流影像数据集和相关评价指标。

文章图片
此外，在论文“SurveyofStudiesofCOVID-19DiagnosisBasedonDeepLearning”中，褚晓文和研究团队从模型任务和影像数据类型两个角度出发，还介绍了现有的Covid-19检测诊断模型，并对骨干网络、数据集、影像类型、性能表现、分类种类和开源情况六个维度进行比较与分析。