[论文解读] SenseCare: A Research Platform for Medical Image Informatics and Interactive 3D Visualization

Qi Duan, Guotai Wang+13 more|arXiv (Cornell University)|Apr 3, 2020

AI in cancer detection参考文献 38被引用 36

一句话总结

SenseCare 是一个以诊所为导向的研究平台，整合用于医学影像分析的 AI 工具包、先进的 3D 可视化、多中心部署以及安全数据管理，以支持诊断和治疗规划的转化研究。

ABSTRACT

Clinical research on smart health has an increasing demand for intelligent and clinic-oriented medical image computing algorithms and platforms that support various applications. To this end, we have developed SenseCare research platform, which is designed to facilitate translational research on intelligent diagnosis and treatment planning in various clinical scenarios. To enable clinical research with Artificial Intelligence (AI), SenseCare provides a range of AI toolkits for different tasks, including image segmentation, registration, lesion and landmark detection from various image modalities ranging from radiology to pathology. In addition, SenseCare is clinic-oriented and supports a wide range of clinical applications such as diagnosis and surgical planning for lung cancer, pelvic tumor, coronary artery disease, etc. SenseCare provides several appealing functions and features such as advanced 3D visualization, concurrent and efficient web-based access, fast data synchronization and high data security, multi-center deployment, support for collaborative research, etc. In this report, we present an overview of SenseCare as an efficient platform providing comprehensive toolkits and high extensibility for intelligent image analysis and clinical research in different application scenarios. We also summarize the research outcome through the collaboration with multiple hospitals.

研究动机与目标

• 提供一个 AI 驱动、以诊所为导向的跨多模态智能医学影像计算平台。
• 通过整合工具包和可视化，促进诊断、治疗规划和康复的转化研究。
• 实现安全数据同步和多中心协作，支持大规模临床研究。
• 支持各种成像模态（放射学和病理学）和数据类型，并可通过网页访问。
• 提供基于 Docker 的部署，以简化算法的测试、部署和可重复性。

提出的方法

• 在放射学和病理学中集成用于分割、配准和病变/地标检测的广泛 AI 模型。
• 提供标注工具和半自动标注以加速模型训练和验证。
• 开发内置的分割、配准和检测模型，具备针对任务的架构（如 3D FCNs、多视图网络、U-Net 变体）。
• 提供 docker 化部署方法，使算法能够打包依赖项以实现一致执行。
• 实现基于浏览器/服务器的架构，具备高并发和多中心部署，供基于网络的访问。
• 包括数据管理、可视化和 DMS，用于协作研究，具有健壮的权限和任务管理。

实验结果

研究问题

• RQ1 一个 AI 启用的平台如何在跨多个科室和中心的不同临床研究任务中提供支持？
• RQ2 哪些架构和工具选择能够在临床环境下实现对 AI 驱动的医学影像分析的高并发和安全访问？
• RQ3 SenseCare 在将 AI 算法转化为临床工作流用于诊断和手术规划方面的支持效果如何？
• RQ4 多模态数据同步与可视化在改善诊断和规划准确性方面的作用是什么？
• RQ5 Docker 基于部署和协作功能如何影响医学影像信息学研究的可重复性与协作？

主要发现

• SenseCare 提供用于放射学和病理学的分割、配准和病变/地标检测的 AI 工具包。
• 该平台支持先进的 3D 可视化和交互式分析，以协助诊断、规划和放射治疗任务。
• SenseCare 支持基于浏览器的访问，具备高并发和多中心部署，促进协作研究。
• 它包括数据同步和安全特性，能够将 PACS/RIS 及其他医院信息系统安全集成。
• Docker 集成允许将用户算法打包，以便在不同环境中无缝测试和部署。
• SenseCare 已被用于支持心脏、膝盖、脊柱、肺、脑肿瘤、盆腔肿瘤和肝癌等应用的研究成果，并承办了 MICCAI 2019 挑战（DigestPath、StructSeg）。