為了幫助神經外科醫生更加有效地診斷腦腫瘤，密西根大學（ University of Michigan ）的研究人員們開發了一種基於深度學習的成像技術，可以將手術中的腫瘤診斷過程從 30-40 分鐘縮短到 3 分鐘以內。
此項技術名為 SRH （ stimulated Rama histology ），首次亮相於 2017 年，它能夠幫助神經外科醫生在手術室中更加快速地評估腫瘤組織。通過深度學習技術和利用手術過程中所切除的新鮮標本生成的數字圖像對腫瘤進行分類。
在一篇新的《自然》醫學論文中，密西根醫學院（ Michigan Medicine ）首席神經外科醫生 Todd Hollon 和紐約大學蘭根健康中心（ NYU Langone Health ）神經外科副教授 Daniel Orringer 及其同介紹了他們關於此項技術的最新臨床實驗。
Hollon 作為本文的第一作者，介紹道：“這是首次在手術室使用 AI 進行評估的前瞻性實驗，我們已經執行了基於 AI 的工作流的臨床應用。”
研究人員說，自從這項技術首次開發以來，它已經作為神經外科和耳鼻喉科的臨床診斷工具應用於 500 多名患者的治療當中。
該技術利用 CUDA、 NVIDIA RTX-GPU 和 cuDNN 加速的 TensorFlow 深度學習框架訓練的卷積神經網絡（ CNN ），此 CNN 模型的輸出類別覆蓋了美國 90%以上的腦腫瘤診斷，分類準確率達到 94.6% 。
用於這個模型的 CNN 是通過 SRH 獲得的 415 名患者的 250 多萬張影像圖片進行訓練。
自然雜誌的資深作者， Orringer 表示：“我們的研究結果代表了密西根醫學院 9 年來，關於腦瘤手術發展和實踐的成就，這種方法利用了先進的光學和 AI 決策，在手術室做出更加安全、有效的決策。