Samsung Medison 的 NerveTrack1 是創新的超音波功能，可用於在施行麻醉過程中即時識別神經結構。NerveTrack 之所以精準快速，要歸功於醫師與 AI 工程師協同合作所開發的 AI 模型。
訓練 NerveTrack 的深度學習推論模型，需要使用數千張標註的超音波參考影像。影像標註過程最好由受過多年醫學訓練的醫師執行，而且醫師最好在識別小又難以捉摸的神經結構方面經驗豐富。然而，這個過程可能困難又耗時，部分原因在於，標註工具與方法通常是針對電腦工程師和資料科學家所設計，而且最終用影像訓練模型的人也是工程師和科學家。
為了改善標註和建模工作流程，並且強化團隊之間的協同合作，Samsung Medison 與 Intel® Geti™ 平台團隊合作；這款平台採用直覺式使用者介面，讓一小群醫師能夠在短短數週內標註成千上萬張影像，然後交給 AI 工程師團隊進行模型訓練。
挑戰：醫學專家加入 AI 模型訓練過程
全球醫療設備製造商 Samsung Medison 所開發的 NerveTrack，可以用該公司的高解析度超音波機器，為施行超音波引導局部麻醉（UGRA）與疼痛管理的醫師即時提供協助。麻醉醫師和其他醫學專家在觀看超音波顯示器的同時，將注射器置於神經的位置，而 NerveTrack 可協助醫師更快速準確識別神經結構。
NerveTrack 模型採用深度學習推論模型，能讓系統即時識別神經結構。一開始，NerveTrack 的自訂 AI 推論模型經過訓練後，只能偵測手腕的神經。Samsung Medison 為了擴大模型的應用範圍，接下來便專注於擴充模型功能，讓 AI 推論模型也能識別手肘、肩膀和頸部的周邊神經結構。
周邊神經因為非常纖細，所以特別難偵測。超音波影像的「雜訊」或假影，可能覆蓋神經本身。神經並非看起來都一樣，因此在影像標註過程必須仰賴麻醉醫師和神經科醫師的專業知識，才能識別出各式各樣影像中的神經。如果沒有標註，深度學習技術的 AI 模型可能無法正確識別神經，也無法區別微小的有機結構和影像中的雜訊。另外，神經相對於體內其他結構的位置會移動，因此通常會以一連串超音波影格的方式擷取。
由於神經結構體積小、複雜且易變，因此 Samsung Medison 需要標註成千上萬張超音波影像，作為訓練各 NerveTrack 模型用的參考資料。然而，AI 工程師無法自行標註影像，因為這些電腦專家缺乏深入的人體解剖學知識。反之，標註必須交由醫學專家完成才行，例如麻醉醫師、神經外科醫師及其他臨床醫師，因為他們經過多年研究，而且經驗豐富，能夠準確辨認及識別神經結構。
Samsung Medison 擴大 NerveTrack 應用範圍的一大難題，就是請醫師與專科醫師在百忙之中撥出時間，因為只有醫師才有標註影像所需的專業知識。
解決方案：Intel® Geti™ 平台讓醫師操控自如
Samsung Medison 為第一版 NerveTrack 收集了大量手腕神經的超音波影像。標註方法仰賴由 AI 工程師打造且專為工程師設計的專屬開放原始碼工具，因此醫師標註時需要大量技術支援。
下一個版本的 NerveTrack 需要增加手肘、肩膀與頸部神經結構的新推論模型，Samsung Medison 的 AI 工程師深知，他們必須為此收集大量額外的標註影像，才能建構最精確的模型。
有鑑於開發初始版本 NerveTrack 所面臨的難題，Samsung Medison 於是著手探索其他能將標註過程化繁為簡的解決方案。該醫療設備製造商下一回合的標註工作，則是改採 Intel 簡單易用的直覺式 Intel Geti 平台。
Intel 提早開放 Intel Geti 平台供 Samsung Medison 使用，協助簡化 NerveTrack 第二版推論模型開發的標註過程。一開始，Samsung Medison 用只有 13 張超音波影像的有限資料集，測試新的 Intel Geti 平台技術標註過程，進行概念驗證。這項成功的概念驗證有多位醫學專家參與。他們認為，Intel Geti 平台點選式的圖形使用者介面，以及 AI 技術的標註助理，既直覺又簡單易用。
Intel Geti 平台的標註助理，讓使用者輕輕鬆鬆就能畫出形狀以及在影像加上標籤。平台標註影像子集後，便會提供標註預測。使用者視需要接受或修正預測即可，加標籤的過程獲得了簡化。有了這些直覺式功能，醫師可迅速準確標註手肘、肩膀和頸部神經結構的影像，而且幾乎不需要技術支援。
Intel Geti 平台的主動學習功能有助於將資料標註自動化，並且儘量減少訓練模型所需的標註次數。主動學習功能為 Samsung Medison 的 NerveTrack 計劃提供了 AI 標註預測，能夠讓標註過程更輕鬆快速。
圖 1。左側影像代表基準真相，亦即 NerveTrack 機器學習模型的目標。右側影像則是使用 Intel Geti 平台，根據 13 張標註超音波影像，為推論模型訓練概念驗證所標註。
在醫院與供應商擴充 Intel Geti 平台
Samsung Medison 對測試結果感到滿意，於是改用 Intel Geti 平台，在短短兩個月內就收集到大量新標註。
多家南韓醫院為這項計劃提供了超音波影片影像資料。醫師能夠獨立作業，貢獻自己的專長與知識領域。所有標註影像全數送交時，多樣化的方法有助於減少隨後產生的資料集出現偏差。這項作法可望幫助新的 NerveTrack 模型提高準確度，也更能因應更多樣化的終端使用者調整。
Intel® 技術支援 AI 推論、最佳化與部署
接著，Samsung Medison 的 AI 工程師與程式設計師會分類及處理手肘、肩膀與頸部神經結構標註影像的最終資料集，建立深度學習架構的參考影像資料庫。該架構用於訓練 NerveTrack 模型的第二階段，以及為這幾個部位的神經開發 AI 推論引擎。運用 Intel® 發行版 OpenVINO™ 工具組，這個模型得以為在目標超音波機器執行 NerveTrack 的 Intel® Core™ i3 處理器最佳化。
監管機構核准之後，這些獲得 Intel 發行版 OpenVINO 工具組支援的全新 NerveTrack 模型，將會部署到 Samsung Medison 的高解析度超音波機器。
Samsung Medison 為了訓練及部署 NerveTrack 的手肘、肩膀與頸部模型，在八步驟的過程中採用多項 Intel® 技術：
- 取得超音波影像與影片
- 為身體各部位建立個別的 Intel Geti 平台計劃
- 召募醫學專家利用平台人工標註小型樣本資料集
- 使用 Intel Geti 平台訓練個別模型
- 使用 Intel Geti 平台的主動學習功能，讓 AI 標註預測標註其餘影像資料
- 使用 REST API 整合所有醫院各項計劃的全部資料集，然後用整合的資料集訓練模型
- 使用 Intel 發行版 OpenVINO 工具組最佳化及部署模型
- 將新模型整合到 NerveTrack
進一步瞭解
關於 Samsung Medison NerveTrack
Samsung Medison 是 Samsung Electronics 的子公司，也是製造超音波系統的全球醫療設備公司。Samsung Medison 的研發實力享譽全球，運用先進技術的創新能力聞名遐邇。該公司的 NerveTrack 模型是 AI 技術的人類神經結構推論模型，可供醫師在使用 Samsung Medison 超音波裝置時參考，引導局部麻醉和其他治療置入穿刺針的位置。
關於 Intel Geti 平台
Intel Geti 平台為標籤、訓練及最佳化機器學習模型，提供無縫接軌的單一圖形介面。這個平台使用容易，採用主動式學習，實現迅速的直覺式資料標註與模型訓練方式。