百度深度学习算法诊断乳腺癌，准确性超过人类医生

本文由人工智能观察编译

译者：Sandy

本周一，百度研究中心发布了一种深度学习算法，在鉴定乳腺癌转移的初步测试中，准确率甚至超过了人类医生。

据了解，百度的这一卷积神经网络（CNN）是通过400张大图片分割成的数万张较小图片的网格进行训练的，然后会从中随机挑选20万张较小的图片，由算法对这些图片以及相邻的细胞进行分析并分类。

目前，为了帮助医生对文件大小高达数十亿字节的图像进行分析和检查，百度引入了多种算法来“切割”这些医学影像图片。同时，百度的算法试图通过模仿人类医生的方法来检查乳腺癌肿瘤细胞的周边组织，一次检查单个细胞和附近的细胞，从而推动这项技术的进步。

百度硅谷人工智能实验室的机器学习研究科学家Yi Li在接受外媒采访时表示：“我们的创新和算法是在获取图像网格的基础上，为组织细胞的空间关系建模，然后通过它们的空间相关性预测它们中的每一个是肿瘤细胞还是正常细胞。由于知道这些补丁间的空间相关性，算法的预测准确性因此得到了提高。”

此外，Li指出，该算法的目标不是取代医生完成这项宝贵的任务，而是提高病理学家在日常工作中的效率。“我们希望这种开源算法可以作为未来在这个领域的研究的高质量基线，仅在此阶段对有限数量的公共数据集进行评估。目前，这种算法还需要使用更多的临床相关数据进一步评估，以证明其仍然比经验丰富的病理学家保持更高的准确性。我们的团队将继续改进算法，并与我们可以共享新数据集的研究人员合作。”

据了解，在FROC评分中，百度的算法得分为80.9，高于人类病理学家的平均值72.4和Camelyon 16冠军的80.74分，该赛事由开放医学图像计算联盟组织。值得注意的是，去年谷歌AI研究发布的癌症检测算法获得了89分的FROC评分，现在仍然是业界的标杆。

另外，Li透露，为了推动该技术的发展，百度计划开放其诊断算法。值得注意的是，近日，纽约大学的研究人员也公开发表了基于深度卷积神经网络的乳房密度分类算法，乳房密度也是乳腺癌筛查图像分析的关键因素。

（文中图片来自网络）