【bbin体育-首页 www.xenaweb2k.com】探秘天下未解之谜 分享全球奇闻趣事

手机版 - 繁体中文 - 今天是

GoogleAI又来放大招,放射科医生会被取代吗?:bbin体育

发布时间:2020-10-19 00:18:02来源:bbin体育-首页编辑:bbin体育-首页阅读: 当前位置:首页 > 历史年表 > 手机阅读

bbin体育_按:据 VentureBeat 报导,Google AI 利用人工智能系统,利用数千个具有高质量标签的数据库,精准理解胸部 X 射线图像。论文已公开发表在《大自然》杂志。

bbin体育

【图片来源:VentureBeat 所有者:VentureBeat】近年来,Google AI 大大将目光投向医疗领域。去年,纽约大学利用 Google 的 Inception v3 机器学习模型检测出有肺癌。今年 5 月,Google AI 和美国西北大学医学院的科学家们创立模型,通过筛查检测出有肺癌,水平多达了有 8 年经验的放射科医生。

此外,Google AI 曾通过眼部扫瞄,临床糖尿病视网膜恶性肿瘤的进展;Alphabet 子公司 DeepMind 的 AI 曾为 50 种眼部疾病引荐适合的化疗方案,准确率低约 94%。那么,胸部 X 射线图像理解否也可以与人工智能结合?实质上,用机器学习算法分析胸部 X 射线图像,说道一起更容易做到一起无以。这是由于在一般来说情况下,训练算法所需的临床标签,是通过基于规则的自然语言处置或人工注解取得的,两者往往不完全一致,且错误较多。同时,仅有以图像为依据,很难搜集包括大量病例的数据库,并创建完全一致的、具备临床意义的标签。

近日,为前进 X 射线图像分类的目标,Google 的研究人员找到,利用人工智能模型分析胸部 X 射线图像,可检测四项指标:气胸(肺萎陷)、结节和肿块、骨折和气腔模糊不清(树芽征)。在一篇公开发表在《大自然》(Nature)杂志的论文中,研究小组称之为,经专家独立国家审查,这一模型已超过放射科医生的水平。这项近期研究,利用了来自两个反辨识数据库的 60 多万张图像。

其一是与印度阿波罗医院合作开发的数据库,包括多年来从各地搜集到的 X 射线。其二是由美国国立公共卫生研究院公布的 ChestX-ray14 公开发表图像库,该图像库曾为人工智能研究获取反对,但在准确性方面不存在严重不足。

bbin体育

纵观整个研究,首先,研究人员研发了一个基于文本的系统,萃取每张 X 光片的放射学报告并加以运用,为阿波罗医院数据库中多达 56 万幅图像获取标签。为了增加基于文本的标签萃取过程中有可能经常出现的错误,并为若干 ChestX-ray14 图像获取涉及标签,他们专门召募放射科医生,检查这两个数据库中的大约 3.7 万幅图像。下一步是分解用作模型评估的高质量参照标签。

三名放射科医生通过小组合作的形式,审查所有结果,测试数据库图像,并在线辩论解决问题相互之间的分歧。这项研究的年出版者也回应,通过这种方式,原本不能通过放射科医生检测到的结果,也能被精确地辨识并记录下来。

Google 认为,尽管这些模型的准确性总体上超过了专家水平,但各个数据库的结果却各不相同。例如,对于 ChestX-ray14 图像,同一放射科医生检测气胸的灵敏度大约为 79%,但对于其他数据库,检测气胸的灵敏度仅有 52%。Google 科学家 David Steiner 博士和 Google Health 技术负责人 Shravya Shetty 皆为该论文做到了贡献,两人在一篇博客中提及:数据库之间的差异,证明了创建具备具体参照指标的标准化评估图像库的必要性,便利在有所不同研究之间展开较为。

bbin体育

但同时,将人工智能和放射科医生各自的优势结合,很有可能是人工智能应用于医学图像理解的最佳方式。研究小组早已在开源中创立了 ChestX-ray14 数据库,数据库包括 2412 个训练、检验集图像,1962 个测试集图像,总共 4374 个图像。David Steiner 和 Shravya Shetty 回应,他们期望通过 ChestX-ray14 数据库的判断标签,为以后的机器学习奠下基础,并推展机器学习模型之间的较为,从而更加精准地理解胸部 X 射线图像。

bbin体育

年度票选——找寻19大行业的最佳AI落地实践中创办于2017年的「AI最佳掘金案例年度榜单」,是业内首个人工智能商业案例评选活动。从商用维度抵达,找寻人工智能在各个行业的最佳落地实践中。第三届票选已月启动,注目微信公众号“(公众号:)”,恢复关键词“榜单”参予甄选。

下文可咨询微信号:xqxq_xq原创文章,予以许可禁令刊登。下文闻刊登须知。-bbin体育。

本文来源:bbin体育-www.xenaweb2k.com

标签:bbin体育

历史年表排行

历史年表精选

历史年表推荐