从圆到本轮（第1部分） - 傅立叶系列动画介绍
06-18
雷锋网记者：据VentureBeat报道，谷歌AI利用人工智能系统，借助数千个高质量标签数据库，准确判读胸部X光图像。
该论文已发表在《自然》杂志上。
【图片来源：VentureBeat 所有者：VentureBeat】近年来，谷歌AI不断将目光投向医疗领域。
去年，纽约大学使用谷歌的 Inception 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，可以通过筛查发现肺癌，效果比有8年经验的放射科医生还要好。
此外，谷歌的AI还通过眼部扫描诊断了糖尿病视网膜病变的进展情况； Alphabet子公司DeepMind的AI为50种眼部疾病推荐了适当的治疗方法，准确率高达94%。
那么，胸部X光图像判读也可以与人工智能结合吗？事实上，使用机器学习算法分析胸部 X 光图像说起来容易做起来难。
这是因为通常情况下，训练算法所需的临床标签是通过基于规则的自然语言处理或人工标注获得的，往往不一致且容易出错。
同时，很难收集包含大量病例的数据库并仅根据图像建立一致的、有临床意义的标签。
最近，为了推进X射线图像分类的目标，谷歌研究人员发现，使用人工智能模型分析胸部X射线图像可以检测到四个指标：气胸（肺塌陷）、结节和肿块、骨折和气隙模糊（树芽标志）。
该团队在《自然》杂志发表的论文中表示，经过专家独立评审，该模型达到了放射科医生的水平。
这项最新研究利用了来自两个反识别数据库的 600,000 多张图像。
其中一个是与印度阿波罗医院合作开发的数据库，包含多年来从不同地点收集的 X 射线数据。
第二个是美国国立卫生研究院发布的ChestX-ray14公共图像库，它支持了人工智能研究，但在准确性方面存在缺陷。
在整个研究过程中，研究人员首先开发了一个基于文本的系统，提取每张 X 射线的放射学报告，并用它为阿波罗医院数据库中超过 560,000 张图像提供标签。
为了减少基于文本的标签提取过程中可能出现的错误，并为多张 ChestX-ray14 图像提供相关标签，他们专门聘请放射科医生检查两个数据库中的约 37,000 张图像。
下一步是生成用于模型评估的高质量参考标签。
放射科医生三人以小组形式共同审查所有结果，测试数据库图像，并通过在线讨论解决分歧。
该研究的共同作者还表示，通过这种方式，原本只有放射科医生检测到的结果也可以被准确识别和记录。
谷歌指出，虽然模型的准确性通常达到专家水平，但不同数据库的结果有所不同。
例如，对于 ChestX-ray14 图像，同一放射科医生检测气胸的灵敏度约为 79%，但对于其他数据库仅为 52%。
谷歌科学家 David Steiner 博士和谷歌健康技术负责人 Shravya Shetty 都对这篇论文做出了贡献。
他们在博客中提到：数据库之间的差异证明了建立具有明确参考指标的标准化评估图像库的重要性。
有必要促进不同研究之间的比较。
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判读的最佳方式。
研究团队开源创建了 ChestX-ray14 数据库。
该数据库包含训练集和验证集图像、测试集图像以及总图像。
David Steiner 和 Shravya Shetty 表示，他们希望利用 ChestX-ray14 数据库的判定标签为未来的机器学习奠定基础，并促进机器学习模型之间的比较，以更准确地解读胸部 X 光图像。
雷锋网年度评选——寻找19大行业的最佳AI实施实践。
“AI最佳掘金案例年度榜”创办于2007年，是业界首个人工智能商业案例评选活动。
雷锋网从商业角度出发，寻找人工智能在各行业的最佳实施实践。
第三次评选已正式启动。
关注微信公众号“雷锋网”，回复关键字“名单”即可参与报名。
版权声明：本文内容由互联网用户自发贡献，本站不拥有所有权，不承担相关法律责任。如果发现本站有涉嫌抄袭的内容，欢迎发送邮件 举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。
标签：
相关文章
06-18
06-17
06-17
06-17
最新文章
3月，腾讯《王者荣耀》在全球App Store和Google Play吸引了2.57亿美元，同比增长63%
生鲜传奇宣布完成数亿元B+轮融资
裁员20%？红杉中国回应：胡说，员工总数不降反升
第二次影视创新“闯”短剧世界：看、留、跳都是钱
ASML：从飞利浦弃儿到光刻之王
宁康瑞珠获数千万元A轮融资 横琴金投、翰颐资本投资
智能金融服务生态平台科客完成A+轮融资
拼多多九鼎：信息披露无懈可击，竞争对手才是“浇水”的