瑞丰电子官网:GoogleAI又来放大招,放射科医生会被取代吗?

泡沫雕刻机 | 2021-02-03
本文摘要:据VentureBeat报道,谷歌AI利用人工智能系统,利用数千个具有高品质标签的数据库,正确理解胸部x射线图像。

据VentureBeat报道,谷歌AI利用人工智能系统,利用数千个具有高品质标签的数据库,正确理解胸部x射线图像。论文公开发表在《自然》杂志上。【照片来源:VentureBeat所有者:VentureBeat】近年来,谷歌AI大将着眼于医疗领域。

去年,纽约大学利用Google,Inceptionv3机器学习模型检测出肺癌。今年5月,谷歌AI和美国西北大学医学院的科学家们创立了模型,通过筛查检测出肺癌,水平达到了8名有经验的放射科医生。此外,谷歌AI曾经通过眼睛扫描目标,临床糖尿病视网膜恶性肿瘤的发展,Alphabet下属公司DeppMind的AI曾为50种眼睛疾病推荐合适的化疗方案,精度低约94%。那么,胸部x射线图像的理解也能与人工智能相结合吗?实质上,用机器学习算法分析胸部的x射线图像,说一起更容易。

这是因为一般情况下,训练算法所需要的临床标签根据规则的自然语言处理和人工注释获得的,两者往往不完全一致,错误很多。同时,仅凭图像,很难收集包括大量病例的数据库,并创建一个完全一致、具有临床意义的标签。最近,为了前进x射线图像分类的目标,谷歌的研究人员发现了,利用人工智能模型分析了胸部的x射线图像,可以检测出气胸(肺萎缩)、结节和肿块、骨折和气腔模糊(树芽)4个指标。

瑞丰电子官网

在《自然》杂志上公开发表的论文中,研究小组称,经专家独立国家审查,该模型超过了放射科医生的水平。这项最近的研究利用了2个反认识数据库的60万张以上的图像。

一是与印度阿波罗医院合作开发的数据库,包括多年来从各地收集的x射线。其次是美国国立公共卫生研究院发表的ChestX-ray14发表了图像库,这个图像库反对工智能研究,但在正确性方面没有严重不足。从整个研究来看,首先研究者开发了基于文本的系统,提取了每张x光片的放射学报告书并运用,在阿波罗医院的数据库中获得了56万张图像。为了增加基于文本的标签提取过程中可能经常出现的错误,为几个ChestX-ray14的图像提取标签,专门招募放射科医生,检查这两个数据库中约3.7万张图像。

下一步是拆卸作为模型评价的高质量参考标签。三名放射科医生通过团队合作的形式,审查所有结果,测试数据库图像,在线讨论解决问题的分歧。该研究的年度出版者也回答说,通过这种方式,本来不能通过放射科医生检测到的结果,也能正确识别并记录下来。

谷歌认为,这些模型的准确性总体上超过了专家水平,但各数据库的结果各不相同。例如,对于ChestX-ray1的图像,同一放射科医生检测出气胸的敏感度约为79%,但对于其他数据库,检测出气胸的敏感度仅为52%。

谷歌科学家DavidSteiner博士和谷歌Healthealth技术负责人为ShravyaShetty做出了贡献。两人在博客中提到了数据库的不同,证明了制作具体指标的标准化评价图像的必要性。但同时,结合人工智能和放射科医生各自的优势,很可能是人工智能应用于医学图像理解的最佳途径。

研究团队早已在开源中创立了ChestX-ray14数据库,数据库包含了2412个培训、检测集图片,1962个检测集图片,共4374个图片。DavidSteiner和Shravyashet,通过Chtxray14数据库的判断标签,为今后的机械学习奠定基础,推进机械学习模型之间的比较,更加正确地理解XX射线。

的双曲馀弦值。的双曲馀弦值。

年度票选-寻找19大行业最佳AI落地实践创立于2017年的AI最佳挖掘案例年度排行榜是业内首次人工智能商业案例选拔活动。从商业维度到达,寻找人工智能在各行业的最佳落地实践。

第三届票选已于月开始,关注微信号公众编号(公众编号:),恢复关键词排行榜参加选拔。以下可咨询微信号:xqxq_xq原始文章,允许禁止发布。下一篇文章发表了注意事项。


本文关键词:瑞丰电子官网

本文来源:瑞丰电子官网-www.varepeaters.com