深度學習10萬張乳房X光照片,這個AI模型要幫助篩查乳腺癌
乳房X光照相技術能夠降低乳腺癌死亡率是一個公認的事實。與替代篩查相關的假陽性高召回率加快了IBM、麻省理工學院計算機科學與人工智能實驗室等機構對人工智能驅動系統(tǒng)的開發(fā)。但它們并不完美,因為與更多最近的測試相比,大多數(shù)模型只進行過一次單一的篩選測試。
這一缺陷促使紐約大學數(shù)據科學中心和放射學系的一組研究人員提出了一個機器學習框架,即篩查先前檢查時生成的不同種類乳房X光照片,利用先前的檢查結果做出診斷。他們說,在初步測試中,它降低了基線(基線就是被用為對比模型表現(xiàn)參考點的簡單模型;幫助模型開發(fā)者量化模型在特定問題上的預期表現(xiàn))的錯誤率,并在預測篩查人群的惡性腫瘤時,達到了0.8664的曲線下面積(在所有分類閾值下的性能指標,即預測的準確率)。
合著者寫道:“放射科醫(yī)生經常將目前的乳房X光照片與之前的照片進行比較,以便做出更明智的診斷。例如,如果一個可疑的區(qū)域隨著時間的推移變得越來越大或密度越來越大,放射科醫(yī)生就會更加確信它是惡性的。相反,如果一個可疑的區(qū)域沒有增長,那么它可能是良性的!
該團隊在紐約大學開源乳腺癌篩查數(shù)據集上訓練了一組機器學習模型,每組篩查中至少包含一張圖像,對應于乳房X光攝影篩查中常用的四種視圖(右顱尾側、左顱尾側、右中外側斜肌和左中外側斜肌)。他們使用了四種二元標簽來表示左乳或右乳有無良、惡性的發(fā)現(xiàn),并且只考慮了包括患者在內的數(shù)據集的子集,而這些數(shù)據集之前的檢查數(shù)據都是可獲得的。
實驗所收集的數(shù)據庫中包含了來自43013名患者的127451份檢查,其中有2519份至少進行了一次活體組織切片檢查。
該團隊根據這些數(shù)據訓練了一系列機器學習模型,然后僅使用訓練數(shù)據集的一部分來比較它們的性能。他們注意到,與良性預測的基線相比,其效果并沒有明顯的改善,他們將其歸因于算法傾向于關注掃描區(qū)域的顯著變化。(而良性的改變并不明顯。)但他們發(fā)現(xiàn),其中一個模型——AlignLocalCompare——對惡性腫瘤的發(fā)現(xiàn)表現(xiàn)出明顯的改善,預測腫瘤發(fā)生的可能性為0.97,而基線預測僅為0.73。
請輸入評論內容...
請輸入評論/評論長度6~500個字
最新活動更多
-
10月31日立即下載>> 【限時免費下載】TE暖通空調系統(tǒng)高效可靠的組件解決方案
-
即日-11.13立即報名>>> 【在線會議】多物理場仿真助跑新能源汽車
-
11月28日立即報名>>> 2024工程師系列—工業(yè)電子技術在線會議
-
12月19日立即報名>> 【線下會議】OFweek 2024(第九屆)物聯(lián)網產業(yè)大會
-
即日-12.26火熱報名中>> OFweek2024中國智造CIO在線峰會
-
即日-2025.8.1立即下載>> 《2024智能制造產業(yè)高端化、智能化、綠色化發(fā)展藍皮書》
推薦專題
- 高級軟件工程師 廣東省/深圳市
- 自動化高級工程師 廣東省/深圳市
- 光器件研發(fā)工程師 福建省/福州市
- 銷售總監(jiān)(光器件) 北京市/海淀區(qū)
- 激光器高級銷售經理 上海市/虹口區(qū)
- 光器件物理工程師 北京市/海淀區(qū)
- 激光研發(fā)工程師 北京市/昌平區(qū)
- 技術專家 廣東省/江門市
- 封裝工程師 北京市/海淀區(qū)
- 結構工程師 廣東省/深圳市