在過去的十年裡，使用腹部超音波來檢查器官異常情況的技術，並未出現太大的變化，醫生在病人的腹部上移動著掃描器，凝望著顯示器上模糊不清的影像。不過美國研究人員進行的深度學習研究成果，卻可以將進行這個過程的速度加快一千倍，且準確度還能更高。
腹部超音波檢查通常要進行約半小時的時間，看起來不是很久，可是醫院每年都要進行上千次的掃描活動，院方還是得花上不少時間來為許多患者提供這項服務。
腹部超音波檢查用以診斷腎臟、肝臟或膽囊等在內各種人體內部器官的異常情況，醫師要耗費不少力氣找到正確的角度，才能形成超音波影像，還有用文字描述這些畫面及記錄相關測量數據。
西門子與范德堡大學的研究人員採用深度學習技術，致力於自動執行上述作業。他們使用 NVIDIA TITAN X GPU 與 cuDNN 加速的 PyTorch 深度學習框架，開發首個能同時分類和檢測器官及任何異常情況的系統。
研究人員使用他們開發出的模型，也將整個檢查過程加快許多，患者無需長時間坐著進行腹部超音波檢查，只要幾秒鐘便可完成，這代表在醫院執行單次超音波檢查的時間，該團隊的系統就能執行近30次的檢查。
范德堡大學電機工程與電腦科學研究助理教授，也是 的首席研究員 Yuankai Huo 說：「我的目標是開發多項強大又高效率的醫學影像分析演算法，以理解大量的醫學影像資料。」
教導機器人執行多工作業
到目前為止，過去在醫療影像作業自動化方面已經嘗試部署了多個神經網路，每個負責分類及特徵點檢測的一項工作。可是多數超音波掃描儀上的運算能力及儲存資源有限，讓這些作為變得不切實際。
研究團隊的新型深度學習系統以單一神經網路處理所有任務，提高效率和實用性，以求克服這些限制。他們使用706名患者超過18.7萬張影像來訓練系統，也是因為 NVIDIA TITAN X GPU 能加速處理之故，讓他們能達成目標。
簡單介紹腹部超音波分析的工作。右上角代表相關特徵檢測任務，分別以紅色和綠色代表長軸及短軸。
在系統對患者掃描結果裡的器官進行分類與檢測之實驗性研究內，該團隊的研發成果獲得到了回報：他們的系統不僅打敗過去的神經網路，在正確診斷異常情況方面，表現也較人類專家更為出色。
「NVIDIA GPU 讓我們擁有更強大的運算能力，使得我們實現以前做不到的科學目標，我覺得由於運算能力的進步，改寫了整個醫學影像分析領域的發展面貌。」Huo 說。
醫療領域與深度學習技術的進步，患者或許無需再坐著接受冗長的超音波檢查程序，醫師也會有更多時間跟患者討論制訂適當的治療計畫。