Nature论文作者撰文质疑AI医疗影像研究现状 Exploring the ChestXray14 dataset: problems CheXNet: an in-depth review NIH...Chest X-rays@kaggle ---- Forum: predicting-pathologies-in-x-ray-images@kaggle Forum: Exploring the ChestXray14
几周前，我曾提到自己对于 ChestXray14 数据集有所担心。我曾说过在自己掌握更多信息后会深入探讨这个问题。...让我们先给出结论，我认为目前的 ChestXray14 数据集不适用于训练医用人工智能系统进行诊断工作。...这可以类推到 ChestXray14 数据集中，它们的标签同样遭到了破坏。 所以从直观来看，这些标签会损害模型的性能。那么为什么在 ChestXray14 上训练的模型有非常好的性能？...TL:DR 与人类视觉评估相比，ChestXray14 数据集中的标签不准确、不清楚，并且经常描述医学上的次要发现。...附录 1：来自 ChestXray14 team 由于我与该团队合作过，该数据集文档已经被更新过多次。
utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI ChestXray14...数据集探索 关于ChestXray14数据集的详细分析，分析其为什么可能不适合进行用于诊断工作的医疗AI系统分析。
探索ChestXray14发现的问题 来源：LUKEOAKDENRAYNER.WORDPRESS.COM 链接：https://lukeoakdenrayner.wordpress.com/2017/12...utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI 这篇文章详细分析了ChestXray14
就算是吴恩达团队在数量和诊断完整程度具有突破性意义的 ChestXray14 数据集，在结果判定层面，也因为缺乏医学层面的专业定义和分类，产生了没有医学价值的分类和预测。
本文作者使用了 ChestXray14，MIMIC-CXR，CheXpert和MURA四种不带标签的约70万数据进行无监督预训练。只用了ChestX-ray14 进行消融实验以选择合适的超参数。
“探索ChestXray14数据集:问题”是一个如何质疑医疗数据质量的例子。另一个例子-如果你对音乐感兴趣，你可以试着从它的音频预测歌曲的类型。
我们拓展了CheXNet用以检测ChestXray14中的14种疾病，并获取了所有14种疾病目前最新的科研成果。
云服务器
ICP备案
实时音视频
即时通信 IM
对象存储
