人工智能大有作為，谷歌提出醫(yī)學(xué)影像新突破

醫(yī)學(xué)成像是人工智能和機(jī)器學(xué)習(xí)領(lǐng)域最受歡迎的應(yīng)用之。計(jì)算機(jī)視覺(jué)算法天生擅長(zhǎng)于發(fā)現(xiàn)專(zhuān)家們有時(shí)會(huì)漏掉的異常，在這個(gè)過(guò)程中減少了等待時(shí)間，減輕了臨床工作量。也許這就是為什么盡管全球衛(wèi)生保健機(jī)構(gòu)采用人工智能的比例仍然相對(duì)較低（22%），但77%的從業(yè)者還是認(rèn)為AI對(duì)整個(gè)醫(yī)療成像領(lǐng)域很重要。

不出所料，數(shù)據(jù)科學(xué)家投入了大量時(shí)間和精力來(lái)開(kāi)發(fā)用于醫(yī)療系統(tǒng)的人工智能成像模型，谷歌科學(xué)家在一篇論文中詳細(xì)介紹了其中一些模型，這篇論文已被本周在溫哥華舉行的NeurIPS會(huì)議所接受。在《輸血：理解醫(yī)學(xué)影像學(xué)的轉(zhuǎn)移學(xué)習(xí)》一書(shū)中，來(lái)自Google Research（谷歌業(yè)務(wù)的研發(fā)部門(mén)）的合著者研究了轉(zhuǎn)移學(xué)習(xí)在開(kāi)發(fā)圖像分類(lèi)算法中的作用。

在轉(zhuǎn)移學(xué)習(xí)中，機(jī)器學(xué)習(xí)算法分兩個(gè)階段進(jìn)行訓(xùn)練。首先是再培訓(xùn)，算法通常針對(duì)代表不同類(lèi)別的基準(zhǔn)數(shù)據(jù)集進(jìn)行培訓(xùn)。接下來(lái)是微調(diào)，它將進(jìn)一步針對(duì)感興趣的特定目標(biāo)任務(wù)進(jìn)行培訓(xùn)。預(yù)訓(xùn)練步驟幫助模型學(xué)習(xí)可以在目標(biāo)任務(wù)上重用的一般特性，從而提高其準(zhǔn)確性。

根據(jù)團(tuán)隊(duì)的說(shuō)法，轉(zhuǎn)移學(xué)習(xí)并不是人工智能訓(xùn)練技術(shù)的最終目的。在一項(xiàng)性能評(píng)估中，他們比較了一系列用于診斷糖尿病視網(wǎng)膜病變和5種不同疾病的模型結(jié)構(gòu)，其中一部分是在開(kāi)源圖像數(shù)據(jù)集（ImageNet）上預(yù)訓(xùn)練的。他們報(bào)告說(shuō)，轉(zhuǎn)移學(xué)習(xí)對(duì)醫(yī)學(xué)成像任務(wù)的性能沒(méi)有“顯著”影響。此外，一系列簡(jiǎn)單、輕量級(jí)的模型可以在與標(biāo)準(zhǔn)體系結(jié)構(gòu)相當(dāng)?shù)募?jí)別上運(yùn)行。

在第二項(xiàng)測(cè)試中，研究小組研究了遷移學(xué)習(xí)對(duì)人工智能模型所學(xué)習(xí)的特征和表示的影響程度。他們分析和比較了不同模型中用于解決醫(yī)學(xué)成像任務(wù)的隱藏表示（即模型潛在部分中學(xué)習(xí)到的數(shù)據(jù)的表示），計(jì)算了從頭開(kāi)始訓(xùn)練的模型和在ImageNet上預(yù)先訓(xùn)練的模型之間的一些表示的相似性得分。研究小組得出結(jié)論，對(duì)于大型模型，從頭學(xué)習(xí)的表征往往比從轉(zhuǎn)移學(xué)習(xí)中學(xué)習(xí)的更為相似，而對(duì)于小型模型，表征相似性得分之間的重疊程度更大。

為了糾正這些問(wèn)題和其他問(wèn)題，團(tuán)隊(duì)提出了一種混合的轉(zhuǎn)移學(xué)習(xí)方法。在這種方法中，不重用整個(gè)模型架構(gòu)，只重用一部分，其余的重新設(shè)計(jì)以更好地適應(yīng)目標(biāo)任務(wù)。他們說(shuō)，它提供了轉(zhuǎn)移學(xué)習(xí)的大部分好處，同時(shí)進(jìn)一步支持靈活的模型設(shè)計(jì)?！稗D(zhuǎn)移學(xué)習(xí)是許多領(lǐng)域的核心技術(shù)，”谷歌研究科學(xué)家Maithra Raghu和Chiyuan Zhang在博客中寫(xiě)道?！霸S多有趣的開(kāi)放性問(wèn)題仍然存在，（我們）期待著在今后的工作中解決這些問(wèn)題?！?p>

這項(xiàng)工作是在谷歌詳細(xì)介紹了一種人工智能技術(shù)后不久進(jìn)行的，這種人工智能能夠以人類(lèi)水平的精確度對(duì)胸部X射線進(jìn)行分類(lèi)。在最近的另一項(xiàng)研究中，這家科技巨頭的團(tuán)隊(duì)聲稱(chēng)，他們開(kāi)發(fā)了一種機(jī)器學(xué)習(xí)模型，可以像皮膚科醫(yī)生一樣準(zhǔn)確地檢測(cè)26種皮膚狀況，并開(kāi)發(fā)了一種肺癌檢測(cè)人工智能，其性能超過(guò)了6名人類(lèi)放射科醫(yī)生。

推廣：獵云銀企貸，專(zhuān)注企業(yè)債權(quán)融資服務(wù)。比銀行更懂你，比你更懂銀行，詳情咨詢(xún)微信：zhangbiner870616，目前僅開(kāi)通京津冀地區(qū)服務(wù)。 (來(lái)源：獵云網(wǎng))

生成海報(bào)

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來(lái)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(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁(yè)或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書(shū)面權(quán)利通知或不實(shí)情況說(shuō)明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開(kāi)相關(guān)鏈接。