時間是診斷癌症的關鍵因素，早期發現且判斷擴散速度，就有可能挽救病患的生命。
香港中文大學的研究人員採用以 GPU 為基礎的深度學習技術，增進癌症影像分析的能力，日後能為醫師和病患省下寶貴時間。
上排圖片顯示分割後的良性組織以易於進行分析。
下排圖片顯示異常組織。（圖片提供：香港中文大學）
香港中文大學團隊將研究重點放在全球第三大最常見的癌症，也就是大腸癌上，而這項研究成果日前為他們在全球最大的醫學影像運算與電腦（Medical Image Computing and Computer）會議舉辦之競賽活動上獲得首獎。
病理學家透過查看腫瘤組織與細胞裡是否有異常處來診斷癌症，異常處愈多，癌症就更有可能擴大及快速擴散。過去病理學家使用顯微鏡來檢查組織，除了曠日費時，更有可能發生失誤。
運用深度學習技術來判斷惡性腫瘤
研究團隊使用 GPU 加速深度學習技術，可迅速訓練電腦辨識已知異常處相當精細的影像。系統再使用這項訓練來分割組織裡的各腺體，以便區別出不同細胞，判斷與其它細胞的相對尺寸、形狀和位置。病理學家計算這些測量結果，就能判斷出現惡性腫瘤的可能性。
三年級博士生，也是開發解決方案之團隊成員的Hao Chen 表示：「GPU 大幅加快訓練電腦的速度，在我們推動研究成果向前發展之際，這項速度日漸重要。」
過去病理學家使用顯微鏡查看腫瘤組
織與細胞裡是否有異常處來診斷癌症。
深度學習使用複雜的神經網路來訓練電腦，以判別圖案和物體，在臉孔偵測和辨識、語音辨識和影像分類分面表現十分突出，在某些作業上的表現甚至較人類更優秀。
香港中文大學計算機科學系主任暨研究團隊主任王平安表示：「這項研究成果推動電腦輔助診斷系統出現大幅進展。」
應用於診斷其它癌症
這項競賽只用了165幀影像，需要進行更深入的發展及測試活動，以實際應用研究人員的成果，成功的話便可用於診斷與大腸癌有相當多類似之處的乳癌、肺癌及前列腺癌。
活動主辦人，也是英國華威大學生物影像分析實驗室主住的 Dr Nasir Rajpoot 表示：「我們非常興奮見到這項比賽將走在時代尖端的深度學習技術應用範圍，又向前推動了一大步，而正是舉辦這項活動的目標。」