為了數(shù)據(jù)也是拼了！多倫多大學(xué)用人造X射線訓(xùn)練人工智能

高層速讀

關(guān)鍵信息：為了解決罕見(jiàn)疾病X射線數(shù)據(jù)較少的問(wèn)題，多倫多大學(xué)工程師們?cè)O(shè)計(jì)了一種新的方法，利用機(jī)器學(xué)習(xí)創(chuàng)造出人造X射線來(lái)增強(qiáng)人工智能訓(xùn)練集，他們使用深度卷積生成對(duì)抗網(wǎng)絡(luò)（DCGAN）來(lái)生成并持續(xù)改進(jìn)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(qiáng)數(shù)據(jù)集的分類精度提高了20%，在一些罕見(jiàn)疾病中，準(zhǔn)確率提高到40%左右。

關(guān)鍵意義：從某種意義上說(shuō)，我們正在利用機(jī)器學(xué)習(xí)來(lái)進(jìn)行機(jī)器學(xué)習(xí)。

在象限的左邊是病人胸部的真實(shí)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(zhǔn)確性，但在臨床醫(yī)生利用人工智能來(lái)識(shí)別X射線等圖像的情況之前，他們必須“教”會(huì)算法尋找什么。

在醫(yī)學(xué)圖像中識(shí)別罕見(jiàn)的病理現(xiàn)象，給研究人員帶來(lái)了持續(xù)的挑戰(zhàn)，因?yàn)樵诒O(jiān)督學(xué)習(xí)環(huán)境中，可以用來(lái)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(jì)算機(jī)工程系（ECE）Shahrokh Valaee教授和他的團(tuán)隊(duì)設(shè)計(jì)了一種新的方法：利用機(jī)器學(xué)習(xí)創(chuàng)造計(jì)算機(jī)生成的X射線來(lái)增強(qiáng)人工智能訓(xùn)練集。“從某種意義上說(shuō)，我們正在利用機(jī)器學(xué)習(xí)來(lái)進(jìn)行機(jī)器學(xué)習(xí)”，Valaee說(shuō)。

“我們正在通過(guò)計(jì)算機(jī)制造某些罕見(jiàn)疾病的X射線，我們可以將它們與真實(shí)的X射線結(jié)合起來(lái)，從而擁有足夠大的數(shù)據(jù)庫(kù)來(lái)訓(xùn)練神經(jīng)網(wǎng)絡(luò)，以便此后從其他X射線中識(shí)別出有異常情況的數(shù)據(jù)?！?/p>

Valaee是醫(yī)學(xué)實(shí)驗(yàn)室（MIMLab）機(jī)器智能的一員，這是一個(gè)內(nèi)科醫(yī)生、科學(xué)家和工程研究人員組成的團(tuán)隊(duì)，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(shí)結(jié)合起來(lái)，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(shuō)，“但要做到這一點(diǎn)，我們需要大量的數(shù)據(jù)——我們需要數(shù)千個(gè)標(biāo)簽的圖像讓這些系統(tǒng)發(fā)揮作用，但一些罕見(jiàn)疾病的數(shù)據(jù)太少了。”

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(duì)抗網(wǎng)絡(luò)（DCGAN）的技術(shù)來(lái)生成并持續(xù)改進(jìn)模擬圖像。

GANs是由兩個(gè)網(wǎng)絡(luò)組成的一種算法：一個(gè)是生成網(wǎng)絡(luò)，一個(gè)是判別器網(wǎng)絡(luò)，生成網(wǎng)絡(luò)負(fù)責(zé)生成圖像，判別器則負(fù)責(zé)從真實(shí)圖像中區(qū)分出合成的圖像，直到這兩個(gè)網(wǎng)絡(luò)被訓(xùn)練成一個(gè)點(diǎn)，判鑒別器不能區(qū)分真實(shí)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(lái)，它們就會(huì)與真實(shí)的X射線相結(jié)合，來(lái)訓(xùn)練一個(gè)深度卷積神經(jīng)網(wǎng)絡(luò)，這個(gè)網(wǎng)絡(luò)負(fù)責(zé)將需要鑒別的圖像分類為正?；蚱渌闆r。

Valaee說(shuō)：“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(lái)增強(qiáng)真實(shí)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(shí)別罕見(jiàn)疾病方面的性能?！?/p>

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

由于合成的X光并不是來(lái)自真實(shí)的個(gè)體，所以數(shù)據(jù)集容易獲得，同時(shí)也不會(huì)存在侵犯隱私方面的擔(dān)憂。Valaee說(shuō)：“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(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。