学界 | 战胜42位皮肤科专家,韩国团队训练5万例数据诊断灰指甲

AI 科技评论按:人工智能在专业医学领域全面战胜人类医生的例子还很少见。最近一项深层神经网络算法在诊断灰指甲方面,成功击败了 42 位皮肤科专家。灰指甲是一种常见的真菌感染,它会让指甲脱色和脆化,这种疾病每年困扰着大约 3500 万美国人。 这项成功很大程度依赖于一个韩国研究团队的努力,他们收集了大约5万张指甲/趾甲的图片。大量的训练数据,是深层神经网络成功识别灰指甲,战胜人类医学专家的关键所在。

韩国首尔的皮肤科医生、临床医生 Seung Seog Han 表示,「迄今为止,在很多研究——比如识别糖网、皮肤癌和阅读胸片等项目中,人工智能已经接近了人类专家的水平。但这项研究首次表明,人工智能已经超越了人类专家。」

过去人工智能和皮肤科医生之间的较量通常势均力敌。但在这项研究中,在一个特定场景下的三次实验里,只有一名皮肤科医生的表现全部略优于深度神经网络。而且,值得注意的是,对于简单病例,深层神经网络的优势更加明显。

这项研究成果发表在了 2018 年 1 月 19 日的 PLOS ONE 杂志网络版上。参与这项研究的除了 Seung Seog Han,还有韩国翰林大学的皮肤病学教授 Gyeong Hun Park,以及韩国蔚山大学的皮肤病学教授 Sung Eun Chang。

作为一名医生,Han 在日常工作中接触到了各种各样的皮肤病。同时,他也学习了不少计算机编程语言方面的知识,比如 C++和 Python。后来,AlphaGo 击败世界围棋冠军李世乭,又激发了Han探索深度学习的兴趣。

人类往往难以把握大数据的规律,但深度学习算法在大数据的模式检测方面有着独到的优势。在这个案例中,韩国的研究人员发现可以用微软研究院开发的深度学习算法帮助医生从数字照片中识别可能的灰指甲感染病例。

但任何深度学习模型都需要基于大量的数据进行训练。收集灰指甲病例的图片给研究人员提出了巨大的挑战,因为这些图片通常没有标准和统一的格式。很多图片是从不同角度拍摄的,里面既有健康的指甲/趾甲,也有受到感染的指甲\趾甲。此外,受深度学习算法的技术限制,所有图像都要调整到 224 x 224 像素大小,这样一来很多图片就无法识别了。

韩和他的同事们训练了一种名为 Faster R-CNN 的目标检测算法,对图像进行识别和裁剪,使图片中只包含受感染的指甲/趾甲,然后再将图片放大,这样就得到了一个可以用于训练深层神经网络的数据集。数据集中的大部分图片都来自于一个 Han 在 2007 年开发的、名为 MedicalPhoto 的皮肤病临床照片管理程序。

即便如此,Han 还是要手动读取 Faster R-CNN 裁剪出来的 10 万张照片,并对每张照片进行两次标记,将不准确或不合适的指甲/趾甲照片剔除,以保证训练数据的准确性。即使 Han 平均每 10 秒钟能处理一张照片,且每天工作数小时,这项工作也需要耗费他大约 550 个小时,合计超过 70 天。

该数据集帮助训练了用于识别病症的卷积神经网络——微软的 ResNet-152 和牛津大学的 VGG-19 模型,以执行识别指甲真菌感染可能病例的工作。这种深度学习方法表现优于 42 位皮肤科专家组成的小组——其中包括 16 名教授、18 名临床医生和 8 名住院医师。

研究人员表示,在额外的测试中,深度学习算法的表现也通常优于 5 名最好的皮肤科医生。他们还发现,人工智能的诊断评估也比一般内科医生、医学生、护士和非医务人员的诊断结果要好。

该研究团队发布了他们深度学习算法的早期演示版本,任何人都可以通过网站或下载 Android 智能手机应用程序进行尝试。通过在网站和应用程序中收集数据,研究人员希望发现该人工智能算法在实际医疗实践中使用时可能会出现哪些问题。

Han 和他的同事们也在尝试用深度学习诊断皮肤癌等其他皮肤疾病。相关的研究论文发表在了 2018 年 2 月 8 日的《Journal of Investigative Dermatology》网络版上。

这类研究表明,人工智能依赖于临床影像来诊断疾病,因此在远程医疗领域更有用武之地。人类皮肤科医生在做诊断时还是要结合病人的病史和其他临床信息,因为对于大多数人来说,仅凭影像就下诊断还是显得太过草率了。

Han 和他的同事们认为,他们的研究对于全科医生尤其有用,因为病人们经常会向全科医生反馈自己的指甲和皮肤问题。Han 说道:「人工智能的诊断要比普通临床诊断更为准确,我认为它对全科医生确定灰指甲的治疗方向有所帮助。」

原文发布于微信公众号 - AI科技评论(aitechtalk)

原文发表时间:2018-02-28

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

来自专栏华章科技

大数据下客户金融产品购买概率预测

本文讨论用逻辑回归模型预测在金融市场情景下客户对金融产品的购买概率,以股票购买持仓概率作为研究对象。并探讨了TB级百万特征金融数据处理方法。

924
来自专栏AI启蒙研究院

警惕!《马航MH370调查》之阴谋论,做一个科学吃瓜群众

1124
来自专栏腾讯云安全的专栏

TenSec 再掀 AI 热:腾讯云如何将 AI 应用于安全

1765
来自专栏量子位

我在谷歌大脑这一年

问耕 编译整理 量子位 出品 | 公众号 QbitAI ? 这篇文章的原作者是Colin Raffel。他2016年于哥伦比亚大学获得电子工程博士学位,随后入选...

3184
来自专栏AI科技评论

中科院百人计划专家深度解析:银行业务光凭“刷脸”真的靠谱吗?

雷锋网按:本文内容来自云从科技创始人、中国科学院百人计划周曦博士在硬创公开课的分享。在未改变原意的基础上进行了编辑整理。 明明可以靠脸吃饭”这句话不再只是一个网...

3576
来自专栏新智元

【Goldberg回应LeCun】DL社群缺乏学习,夸大研究成果

【新智元导读】Yann LeCun 对于 Yoav Goldberg 的驳斥得到了 Goldberg 第一时间的回应。他表示自己并不反对在语言任务上使用深度学习...

36012
来自专栏ATYUN订阅号

密歇根大学研究者致力于用AI实时识别验证ID证件

密歇根大学的研究人员开发了一种基于深度学习的系统,该系统执行实时面部识别并根据相应的护照和政府颁发的身份证件验证照片。该方法有助于执法机构防范欺诈行为,可以作为...

1094
来自专栏新智元

4分钟视频讲解DeepMind论文:AI在复杂环境中学习运动

【新智元导读】DeepMind 的论文 Emergence of Locomotion Behaviours in Rich Environments 探索了丰...

3225
来自专栏机器人网

中科院发布寒武纪深度神经网络处理器是什么?

第三届世界互联网大会于2016年11月16日在浙江乌镇召开,并举办了领先科技成果发布会。其中中国最引人注目的就是中国科学院计算技术研究所发布了寒武纪深度神经网络...

29210
来自专栏新智元

【Nature 封面论文】机器学习掀起材料革命,人工智能或将颠覆人类科研方式

【新智元导读】昨日Nature封面论文:哈佛大学研究者借助机器学习算法,利用“废弃”数据成功预测新材料的合成,引发学界激论:人工智能真能加速发现神奇新材料吗?该...

4076

扫码关注云+社区