• 全民竞彩彩票
  • 全民竞彩彩票
  • 全民竞彩彩票
  • 全民竞彩彩票app
  • 全民竞彩彩票
  • 全民竞彩彩票
  • 全民竞彩彩票ע
  • 全民竞彩彩票¼
  • 全民竞彩彩票
  • 全民竞彩彩票Ƹ
  • 全民竞彩彩票淨
  • 全民竞彩彩票
  • 全民竞彩彩票ֱ
  • 全民竞彩彩票ֻ
  • 全民竞彩彩票԰
  • 全民竞彩彩票׿
  • 全民竞彩彩票Ƶ
  • 26
    2019
    06

    斯坦福发布吴恩达团队最新收获:用AI协助测脑动脉瘤

    时间:2019-06-26 02:54栏目:苹果下载 点击: 163 次

      雷锋网新闻,北京时间6月8日,斯坦福大学官网发布了吴恩达团队的一项最新收获:放射科医师借助人造智能算法改进了脑动脉瘤的诊断——脑动脉瘤是大脑血管中的隆首物,能够会渗漏或破碎,能够导致中风、脑毁伤或物化亡。

      这项收获发外在了JAMA Network Open上。斯坦福大学统计学钻研生、该论文的说相符第一作者Allison Park说,“人们对机器学习在医学周围的实际作用有许众忧郁闷。这项钻研表现了人类如何在人造智能工具的协助下参与诊断过程。”

      据雷锋网晓畅,该工具围绕一栽名为HeadXNet的算法构建,能够挑高临床大夫切确识别动脉瘤的能力,其程度相等于在包含动脉瘤的100次扫描中发现另外六个动脉瘤,除此之外,它还能挑高临床口译大夫的共识。

    在脑部扫描中,HeadXNet行使透明的红色高光指使动脉瘤的位置。(图片来源:Allison Park)在脑部扫描中,HeadXNet行使透明的红色高光指使动脉瘤的位置。(图片来源:Allison Park)

      固然HeadXNet在这些实验中取得的成功很有价值,但钻研团队挑醒说,必要进一步调查,以便在实际临床安放之前评估AI工具的鲁棒性,由于分别医院拥有分别的设备硬件和成像制定,钻研人员计划经由过程众中心相符作解决这些题目。

      医师在AI协助消,极矮了漏诊率

      对脑部扫描效果进走梳理、追求动脉瘤意味着要涉猎数。百幅图像。动脉瘤有众栽大幼和形状,并以分别的角度向外膨大——有些动脉瘤在一系列相通电影的图像中不过是一个光点。

      “追求动脉瘤是放射科大夫最费力、最关键的义务之一,”放射学副教授、该论文的说相符高级作者Kristen Yeom说,“考虑到复杂的神经血管解剖组织所带来的固有挑衅,以及遗漏动脉瘤能够导致的致命效果,这促使吾将计算机科学和视觉的挺进收获答用于神经成像。”

      Yeom将这个思想带到了斯坦福机器学习幼组运走的AI for Healthcare Bootcamp,该幼组由计算机科学副教授兼该论文的共同。高级作者Andrew Ng(吴恩达)领导。幼组的核心挑衅是创建一栽人造智能工具,能够实在地处理这些大量的3D图像并补充临床诊断实践。

    HeadXNet团队成员从左到右别离是:Andrew Ng,Kristen Yeom,Christopher Chute,Pranav Rajpurkar和Allison Park(图片来源:LA Cicero)  HeadXNet团队成员从左到右别离是:Andrew Ng,Kristen Yeom,Christopher Chute,Pranav Rajpurkar和Allison Park(图片来源:LA Cicero)

      为了训练他们的算法,Yeom与Park和计算机科学钻研生Christopher Chute相符作,搜集了611例头部CT血管造影中检测到的临床意义隐晦的动脉瘤。

      “吾们手工标记。了每一个体素——相等于一个像素的3D图像——是否属于动脉瘤的一片面,”Chute说,“竖立训练数。据是一项相等艰巨的义务,数。据量很大。”

      经过训练之后,算法确定扫描的每个体素是否存在动脉瘤。

      HeadXNet工具的最后效果是算法的结论以半透明的高亮表现在扫描的顶部。这栽算法决策的外示方法,使得临床大夫在异国HeadXNet输入的情况下照样能够很容易地望到扫描效果。

      “吾们感有趣的是,这些带有人造智能功能的扫描效果将如何挑高临床大夫的外现,”Pranav Rajpurkar说,他是别名计算机科学钻研生,也是该论文的共同。主要作者。“吾们能够将动脉瘤的实在位置标记。给临床大夫望,而不光仅是让算法说图像中包含动脉瘤。”

      经由过程评估一组115个动脉瘤的脑部扫描,八名临床大夫对HeadXNet进走了测试,一次是在HeadXNet的协助下进走的,一次异国。

      经由过程该工具,临床大夫切确识别出了更众的动脉瘤,从而降矮了“漏诊率”,而且大夫之间更有能够达成同。等。此外,HeadXNet并异国影响临床大夫决定诊断所需的时间,也异国影响大夫在患者异国动脉瘤的情况下切确识别扫描的能力。

      并不光是人造智能的自动化

      雷锋网晓畅到,HeadXNet核心的机器学习手段能够会被用来识别大脑内外的其他疾病。例如,Yeom设想异日的版本能够凝神于加速动脉瘤破碎后的识别,从而在危险情况下撙节珍贵的时间。但是,将任何人造智能医疗工具与医院放射科的平时临床做事流程集成首来照样存在相等大的窒碍。

      现在的扫描查望器并不是为协调深度学习而设计的,所以钻研人员不得不开发定制的工具,将HeadXNet集成到扫描查望器中。

      相通地,实在数。据的转折——与算法所测试和训练的数。据相逆——能够会降矮模型性能。倘若该算法处理来自分别栽类设备或成像制定的数。据,或者处理不属于其原首训练的患者群体的数。据,那么它能够不会像预期那样做事。

      吴恩达说:“由于这些题目,吾认为安放速度将会加快,不是单纯的人造智能自动化,而是人造智能和放射科大夫的相符作。吾们仍有技术和非技术做事要做,但行为一个团队,吾们将达到这一现在的,人造智能与放射科大夫的相符作是最有期待的途径。”

      声明:新浪网独家稿件,未经授权不准转载。 -->
    当前网址:http://www.hpycidz.com/rzoetm_119609.html
    相关内容
    热点内容

    Powered by 全民竞彩彩票 @2018 RSS地图 html地图