斯坦福开发新算法CheXNet,能比放射科医生更好地发现肺炎

在人工智能可以比人类做得更好的清单上,现在可以加上“诊断出危险的肺部疾病”这一事项了。斯坦福大学的研究人员在arXiv发表了一篇新的论文,解释了他们开发的卷积神经网络CheXNet是如何做到这一壮举的。

在人工智能可以比人类做得更好的清单上,现在可以加上“诊断出危险的肺部疾病”这一事项了。

斯坦福大学的研究人员在arXiv发表了一篇新的论文,解释了他们开发的卷积神经网络CheXNet是如何做到这一壮举的。CheXNet算法是一个在ChestX-ray14上进行训练的121层的卷积神经网络,这是当前公开的最大的胸部X光数据集,该数据集有超过10万张的胸透X光图,包含了14种不同疾病的信息,这些信息都出现在图像中。研究人员让四名放射科医师检查一组X光并进行诊断,然后与CheXNet的诊断结果相比较。CheXNet不仅击败了所有的放射科医生,在发现了肺炎的同时,还证明了其他13种疾病的识别能力。

  • 论文地址:https://arxiv.org/pdf/1711.05225.pdf

早期发现的肺炎可以帮助预防美国每年5万例死亡的病例。肺炎也是全世界儿童死亡人数最多的传染病,2015年有近100万5岁以下儿童死亡。

论文的合著者、百度人工智能研究的前负责人吴恩达认为,人工智能将越来越多地依赖于医学。他之前曾研究过一种算法,在接受过心电图(ECG)数据的训练后,可以识别出心率失常,甚至识别的效果比人类专家还要好。最近发表在《自然》杂志上的另一种深度学习算法,能够识别出癌症的皮肤病变,效果好到可以与一名经过董事会认证的皮肤科医生相媲美。

此前的研究表明,人工智能在CT扫描中发现问题的能力和医生一样好。Geoffrey Hinton是深度学习的先驱之一,他认为,由于人工智能的进步,医学院“现在应该停止训练放射科医生”。分析基于图像的数据,如X光、CT扫描和医学照片,是深度学习算法的优势所在。它们可以很好地帮助医生拯救患者的生命。

原文发布于微信公众号 - ATYUN订阅号(atyun_com)

原文发表时间:2017-11-18

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏人工智能快报

科学家使用深度学习研制生物医药

美国伊利诺伊大学香槟分校与加利福尼亚大学洛杉矶分校合作开发了一款新的用于医学研究的机器学习系统。 目前约有1100种已知的可以穿透微生物膜的具有不同序列的抗菌肽...

25511
来自专栏新智元

【Nature子刊】CMU利用机器学习发现具有自杀想法的病人,准确度94%

【新智元导读】CMU心理学系教授 Marcel Just 等人在一项功能性核磁共振成像(fMRI)研究中发现了具有自杀倾向的精神病患者的表征。他们提出,利用机器...

3406
来自专栏机器人网

真的!人工智能可以预测死亡时间

使用人工智能来预测患者死亡的时间听起来像反乌托邦科幻电视剧“黑镜”中的一幕。但是斯坦福大学的研究人员认为,AI 的这个用途,可以给医生和病人及早地开始必要的临终...

3466
来自专栏VRPinea

帕金森手抖怎么办?试试VR跑步机疗法行不行!

2984
来自专栏AI科技评论

动态 | Google医疗AI成果:增强现实显微镜可实时分析病理切片

AI 科技评论按:本文译自 Google Blog,作者为 Google 大脑团队产品经理 Craig Mermel 和技术主管 Martin Stumpe。

821
来自专栏企鹅号快讯

现在,AI 已经能预测病人什么时候死亡了,准确率达 90%

关键时刻,第一时间送达! ? 据国外媒体 Eurasia Review 报道,来自斯坦福大学的研究人员已经开发出了一种使用人工智能来预测病人何时死亡的系统,其准...

1759
来自专栏人工智能快报

人工智能可预测阿茨海默症病情演变

初创公司利用无监督学习方法开发出预测阿茨海默症进展的系统,可扩展到其他退行性疾病预测,助力精准医学。

1003
来自专栏大数据文摘

吴恩达团队最新成果:用深度学习预测死亡概率,改善临终关怀

1283
来自专栏企鹅号快讯

使用人工智能增强人类智能(下)

来源:Distill 编译:weakish 编者按:本周一,Google Brain的Shan Carter和YC Research的Michael Niels...

1929
来自专栏量子位

AI诊断心脏病比人类更准?但这只是识图,不是诊断

这个星球上的人们,或许还没有做好迎接人工智能医生的准备。不过,加州大学旧金山分校(UCSF) 的研究人员培育的AI,已经在心脏图像的分类比赛上,超过了参赛的人类...

332

扫描关注云+社区