GoogleAI又来放大招,放射科医生会被取代吗?:扑鱼游戏app官网

扑鱼游戏

扑鱼游戏APP_据VentureBeat介绍,Google AI利用人工智能系统和数千个带有高质量标签的数据库来准确理解胸部x光图像。论文已在《大自然》杂志上发表。【来源:VentureBeat所有者:VentureBeat】近年来,Google AI对医疗领域非常重视。

去年,纽约大学使用谷歌的盗梦空间v3机器学习模型来检测肺癌。今年5月,谷歌AI和西北大学医学院的科学家创建了一个模型,通过筛查检测出肺癌,达到了有8年经验的放射科医生的水平。此外,Google AI已经利用眼部扫描在临床上发展为糖尿病视网膜恶性肿瘤;Alphabet的子公司DeepMind的AI已经为50种眼病推荐了合适的化疗方案,准确率低94%左右。

那么,对胸部X线图像的理解能否与人工智能结合起来呢?本质上,用机器学习算法分析胸部X线图像,一起什么都不做更容易。这是因为,一般来说,训练算法所需的临床标签是通过基于规则的自然语言处理或人工标注获得的,往往不完全一致,有很多错误。

同时,仅基于图像,很难收集到包含大量病例的数据库,也很难创建出具有临床意义的完全一致的标签。最近,为了推进X线图像分类的目标,Google研究人员发现,利用人工智能模型分析胸部X线图像,可以检测到气胸(肺萎陷)、结节肿块、骨折、气腔不清(树芽征)四个指标。

在《大自然》(自然)杂志上发表的一篇论文中,研究小组声称,这种模型经过独立国家的检验,已经超过了放射科医生的水平。在最近的这项研究中,使用了来自两个反身份数据库的600,000多幅图像。

扑鱼游戏APP

首页

一个是与印度阿波罗医院合作开发的数据库,包括多年来从各地采集的X射线。其次,美国国家公共卫生研究所公布的ChestX-ray14赢得了人工智能研究的反对,但在准确性上并没有严重不足。

在整个研究过程中,首先,研究人员开发了一个基于文本的系统,该系统提取每张x光片的放射报告,并将其应用于获取阿波罗医院数据库中多达56万张图像的标签。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,并获得几幅ChesX-ray 14图像的相关标签,他们专门聘请了放射科医生来检查这两个数据库中的大约37,000幅图像。下一步是分解用于模型评估的高质量参考标签。

三位放射科医生,以小组合作的形式,审核了所有结果,测试了数据库图像,并在线辩论解决问题之间的差异。这项研究的年度出版商也回应说,这样,放射学家无法检测到的结果可以被准确地识别和记录。Google认为,虽然这些模型的准确率普遍超过了专家水平,但是每个数据库的结果是不一样的。

例如,对于ChesX-ray 14图像,同一放射科医师检测气胸的灵敏度约为79%,但对于其他数据库,检测气胸的灵敏度仅为52%。谷歌科学家大卫施泰纳(David Steiner)博士和谷歌健康(Google Health)技术总监什拉夫亚谢蒂(Shravya Shetty)都为这篇论文做出了贡献。他们在一篇博客中提到,数据库之间的差异证明了创建一个具有特定参考指标的标准化评价图像数据库的必要性,便于不同研究之间的比较。

但同时结合人工智能和放射科医生的优势,大概是将人工智能应用于医学图像理解的最佳途径。该研究小组已经在开源环境下创建了ChesX-ray 14数据库,其中包括2412幅训练和检查集图像和1962幅测试集图像,总计4374幅图像。
David Steiner和Shravya Shetty回应说,他们期望通过ChestX-ray14数据库的判断标签,为未来的机器学习打下基础,推动机器学习模型之间的比较,从而更准确地理解胸部X线图像。成立于2017年的“年度AI最佳掘金案例排行榜”,是业界首个人工智能商业案例评选活动。

从商业维度到达,找到人工智能在各个行业的最佳实践。第三次投票环节从3月开始,关注微信微信官方账号(“微信官方账号:)”,恢复关键词“List”参与评选。以下请查阅微信号:xqxq_xq原创文章,并给予禁刊许可。以下是发布通知。

扑鱼游戏app官网

|扑鱼游戏APP。

本文来源:扑鱼游戏-www.chmxwm.com