高層速讀

關(guān)鍵信息：為了解決罕見疾病X射線數(shù)據(jù)較少的問題，多倫多大學(xué)工程師們設(shè)計了一種新的方法，利用機器學(xué)習(xí)創(chuàng)造出人造X射線來增強人工智能訓(xùn)練集，他們使用深度卷積生成對抗網(wǎng)絡(luò)（DCGAN）來生成并持續(xù)改進模擬圖像。

關(guān)鍵數(shù)據(jù)：在一般情況下，結(jié)合了人造X射線的增強數(shù)據(jù)集的分類精度提高了20%，在一些罕見疾病中，準確率提高到40%左右。

關(guān)鍵意義：從某種意義上說，我們正在利用機器學(xué)習(xí)來進行機器學(xué)習(xí)。

在象限的左邊是病人胸部的真實X射線圖像，旁邊是由人造的合成X射線

人工智能可以提高醫(yī)學(xué)診斷速度和準確性，但在臨床醫(yī)生利用人工智能來識別X射線等圖像的情況之前，他們必須“教”會算法尋找什么。

在醫(yī)學(xué)圖像中識別罕見的病理現(xiàn)象，給研究人員帶來了持續(xù)的挑戰(zhàn)，因為在監(jiān)督學(xué)習(xí)環(huán)境中，可以用來訓(xùn)練人工智能系統(tǒng)的圖像十分缺乏。

多倫多大學(xué)電子與計算機工程系（ECE）Shahrokh Valaee教授和他的團隊設(shè)計了一種新的方法：利用機器學(xué)習(xí)創(chuàng)造計算機生成的X射線來增強人工智能訓(xùn)練集。“從某種意義上說，我們正在利用機器學(xué)習(xí)來進行機器學(xué)習(xí)”，Valaee說。

“我們正在通過計算機制造某些罕見疾病的X射線，我們可以將它們與真實的X射線結(jié)合起來，從而擁有足夠大的數(shù)據(jù)庫來訓(xùn)練神經(jīng)網(wǎng)絡(luò)，以便此后從其他X射線中識別出有異常情況的數(shù)據(jù)?！?/p>

Valaee是醫(yī)學(xué)實驗室（MIMLab）機器智能的一員，這是一個內(nèi)科醫(yī)生、科學(xué)家和工程研究人員組成的團隊，他們將自己在圖像處理、人工智能和醫(yī)學(xué)方面的專業(yè)知識結(jié)合起來，以解決醫(yī)療挑戰(zhàn)。

“人工智能有潛力在醫(yī)學(xué)領(lǐng)域提供各種各樣的幫助”Valaee說，“但要做到這一點，我們需要大量的數(shù)據(jù)——我們需要數(shù)千個標簽的圖像讓這些系統(tǒng)發(fā)揮作用，但一些罕見疾病的數(shù)據(jù)太少了?！?/p>

為了制造這些人造X射線，研究小組使用一種被稱為深度卷積生成對抗網(wǎng)絡(luò)（DCGAN）的技術(shù)來生成并持續(xù)改進模擬圖像。

GANs是由兩個網(wǎng)絡(luò)組成的一種算法：一個是生成網(wǎng)絡(luò)，一個是判別器網(wǎng)絡(luò)，生成網(wǎng)絡(luò)負責(zé)生成圖像，判別器則負責(zé)從真實圖像中區(qū)分出合成的圖像，直到這兩個網(wǎng)絡(luò)被訓(xùn)練成一個點，判鑒別器不能區(qū)分真實的圖像和合成的圖像，就可以輸出了。

一旦有足夠數(shù)量的人造X射線被創(chuàng)造出來，它們就會與真實的X射線相結(jié)合，來訓(xùn)練一個深度卷積神經(jīng)網(wǎng)絡(luò)，這個網(wǎng)絡(luò)負責(zé)將需要鑒別的圖像分類為正常或其他情況。

Valaee說：“我們已經(jīng)能夠證明，由深度卷積的GANs生成的人工數(shù)據(jù)可以用來增強真實的數(shù)據(jù)集，這為培訓(xùn)提供了更多的數(shù)據(jù)，并提高了這些系統(tǒng)在識別罕見疾病方面的性能。”

在通過人工智能系統(tǒng)輸入數(shù)據(jù)時，MIMLab將其增強數(shù)據(jù)集的準確性與原始數(shù)據(jù)集進行了比較，發(fā)現(xiàn)在一般情況下，增強數(shù)據(jù)集的分類精度提高了20%，在一些罕見的情況下，準確率提高到40%左右。

由于合成的X光并不是來自真實的個體，所以數(shù)據(jù)集容易獲得，同時也不會存在侵犯隱私方面的擔(dān)憂。Valaee說：“這很令人興奮，我們已經(jīng)能夠克服將人工智能應(yīng)用于醫(yī)學(xué)的障礙?！?/p>

生成海報

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責(zé)任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。