资源 | 免费乳腺癌X光片检测:网友50块GPU搭建AI医疗图像早筛平台

选自V2EX

作者:Coolwulf

机器之心编译

网友 Coolwulf(他也是 K-MeleonCCF 浏览器的作者)近日在社交网络中发文表示,为了提升乳腺癌 X 光片的早期诊断速度,他向所有人开放了一个免费网站:人们可以将 jpg 格式的乳房 X 光照片输入其中,并获得由人工智能做出的「疾病判断」,准确度高达 90%。目前该项目获得了人们的一致称赞。

  • 工具链接:http://neuralrad.com

为了实现这一项目,Coolwulf 搭建了一个 50 块 GPU 的集群。

CoolWulf 对于 Neuralrad 的介绍

去年的时候,我一个在芝加哥比我小几级的南京大学校友去世了。乳腺癌,发现得晚了,才 34 岁,留下了一个 4 岁的孩子。非常可惜。想想能不能做点什么事情可以帮助大众来提高乳腺癌的早期检测成功率。因为如果在 stage 1 发现乳腺癌的话,5 年存活率是 99%。

想想能否写一个完全免费的网站和 ios app 来让用户可以迅速得到 X-ray Mammogram 的诊断结果。至少可以是 2nd Opinion. 因为用户做完 Mammography 之后有时候需要等好几天才能有 Radiologist 来读片子。而且现在 Radiologist 有 20% 的概率会漏掉早期的肿瘤。我决定用 Deep Learning (深度学习) 来做这件事情。

对于一个足够好的 Deep Learning Model, 一是要有足够多的数据 (即使是做 Transfer Learning 的情况下), 二是要有足够强大的计算力。为了做成这件事情,我在本地搭建了一个 50 个 Nvidia Geforce GTX 1080 Ti 的 GPU cluster, 这是搭成之后的硬件:

有了硬件之后就是设计 Model 和收集数据。我从北美和欧洲的几个研究组获取了 Annotated Breast Mammo 的数据。这些 Annotation 大多都是根据北美 ABR certified 的 Radiologist 做出的。也就是如果这个 Model 能够训练好,就可以达到 ABR Certified Radiologist 的 Reading 的平均水平或者更好。

最终的结果我在欧洲的 InBreast 数据上做了测试,达到了 90% 的准确度 (AUC)。

我觉得这个 Model 已经可以给大众实用了,在这里公开出来。

你可以直接上传 .jpg 形式的 Mammo 图片,这个 AI 会给出判断结果。下面是使用时的截图:

这个网站是完全免费使用的。我现在还在继续更新和改进 Model, 也在联系国内的几家医院来合作来获取更多的数据来 Training。

University of Kentucky Hospital 和国内的一家合作公司已经在测试了这个模型。

乳腺癌检查去年有个全世界竞赛,他们先用这个竞赛获得第二名程序测试了 MIAS 数据,漏了 10 个 case, 然后他们用我的网站测试了一下,只漏了一个。

这个第二名程序发表了一篇自然杂志的论文:

https://www.nature.com/articles/s41598-018-22437-z

这两天,我也公布了完全免费的桌面版本,支持读取和浏览 dicom 文件,并自动转换 Normalize for AI analysis. 在 InBreast 的 Dicom 数据上 AUC(准确率)大概 93%。桌面版本截图:

下载地址就在网页主页上。

此工具一经放出,立即引来了人们的关注,大家对于作者希望通过技术改变陌生人健康的想法感到钦佩,同时也有人希望向作者提供更多的脱敏数据帮助训练机器学习模型,以进一步提高医疗图片的识别精度。

Q&A

面对人们对于 AI 检测工具的各种疑问,Coolwulf 表示:

1. 出于显而易见的原因,该工具并不能用于诊断,它仅能帮助人们建立乳房安全意识。不过,作者希望放射科医师也可以开始尝试使用这种工具,并相信这种工具有助于医生在诊断时更有信心。

2. 很多研究表明 20%-30%被诊断出的癌症可以在盲审者的早筛检查中找到。误报虽然是一个问题,不过假阳性和假阴性只是 AI 图像检测的代价而已,假阴性肯定比假阳性有更大的危险。错过恶性病变总比让病人去做活检要麻烦很多。

3. 目前,作者正在训练第二代乳房 X 射线照片检测模型,其将实现 BiRads 分类预测。作者希望它在保持低假阴性(目前出现的几率已经非常低)的表现时也可以减少假阳性发生的几率。

4. 该项目是完全由作者自己出资搭建的。

5. 想使用该网站,你可以输入任何 jpg 格式的乳房 X 射线照片图像。如果想使用 Win X64 版应用程序,则还可以使用 dicom 格式——该格式的 X 光片会在本地自动转换为 jpg 格式的图片并用于检测。由于使用的是常规图片格式,没有像 dicom 的标题信息,所以检测过程中没有使用到患者信息。同时,在分析过后,所有 jpg 图片都会被服务器删除。

原文链接:https://www.v2ex.com/t/462641?p=1

原文发布于微信公众号 - 机器之心(almosthuman2014)

原文发表时间:2018-06-16

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ATYUN订阅号

俄罗斯研究人员利用神经网络使金属3D打印更加高效

3D打印机需要使用数学模型对定位和控制算法进行微调,以达到最佳性能。这是一个漫长而艰巨的过程,可能需要数周才能设置打印参数。即便如此,仍然存在打印错误的可能性。

9420
来自专栏量子位

MIT怎样教AI做虚拟家务?让它写个程序指挥自己啊 | CVPR 2018

16240
来自专栏企鹅号快讯

总结:如何操作各大品牌工业机器人——认知篇

在这几年,各大工业机器人制造商,目前都热衷与人机协作,ABB的“玉米”,FANUC的“绿手臂”,KUKA的“伊娃”等等,在人机协作走的比较前的也就数UR了,我们...

36860
来自专栏大数据挖掘DT机器学习

从采集到建模:某二手主机游戏交易论坛用户行为分析

作者:陈丹奕 宜人贷 数据分析师 https://ask.hellobi.com/blog/datanaystimprovement/4902?utm_sour...

38360
来自专栏新智元

改名了?NIPS网站出现NeurIPS,官网新地址现身!

登录原先NIPS官网,你会发现会议名称默默地改为了“NeurIPS”,现在,此事已经在Twitter上引发一片热议。

14550
来自专栏CDA数据分析师

学会10种方法,用Python轻松实现数据可视化

引言 艺术之美根植于其所传达的信息。有时候,现实并非我们所看到或感知到的。达芬奇(Da Vinci)和毕加索(Picasso)等艺术家都通过其具有特定主题的非...

20850
来自专栏ATYUN订阅号

【安全】机器学习的网络罪犯

? 机器学习正遭受来自网络安全方面的困扰。而最近的调查结果显示了网络犯罪分子如何利用机器学习来使攻击变得更好、更快。 本文的目的是对恶意网络空间中机器学习部署...

39580
来自专栏机器之心

综述 | 一文看尽三种针对人工智能系统的攻击技术及防御策略

这篇文章是关于如何使用人工智能构建鲁棒的反滥用保护系统系列文章中的第四篇,也是最后一篇。第一篇文章解释了为何 AI 是构建鲁棒的保护系统的关键,这种保护用来满足...

12530
来自专栏媒矿工厂

高帧率视频标准与规范简介

帧率(High Frame Rate, HFR)是指利用比正常帧率(如24帧/秒)更高的技术拍摄而成的影片。欧洲已经对高于每秒50帧的视频有了广泛的研究。

13300
来自专栏大数据文摘

资源 | 100+个自然语言处理数据集大放送,再不愁找不到数据!

323100

扫码关注云+社区

领取腾讯云代金券