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

扫码关注云+社区