吳恩達團隊最新醫學影像成果:肺炎診斷準確率創新高



深度學習著名學者吳恩達和他在斯坦福大學的團隊一直在醫療方面做著努力。雷鋒網了解到,此前,吳恩達團隊研發出一種深度學習算法,可以診斷14種類型的心律失常。近日,該團隊又出新成果,他們提出了一種名為 CheXNet 的新技術。研究人員表示:新技術已經在識別胸透照片中肺炎等疾病上的準確率上超越了人類專業醫師。

研究人員開發的這種全新算法,能夠從胸透照片里檢測肺炎,且水平超越專業放射科醫生。算法被稱為 CheXNet,它是一個 121 層的卷積神經網絡。該網絡在目前最大的開放式胸透照片數據集“ChestX-ray14”上進行訓練。ChestX-ray14 數據集包含 14 種疾病的 10 萬張前視圖 X-ray 圖像。

背景

據雷鋒網了解,僅在美國,每年就有超過 100 萬成年人因為肺炎住院,5 萬人因為該病而死亡(CDC, 2017)。目前,胸部 X 光檢查是診斷肺炎的最佳方法(WHO, 2001),這種方法在臨床護理和流行病學研究中發揮著重要作用。然而,通過 X 光片診斷肺炎是一個具有挑戰性的任務,需要放射科醫師具備專家級的判斷能力。在吳恩達團隊的最新成果中,計算機科學院和醫學院的研究人員共同提出了一種新的機器學習模型,可以讓計算機通過胸透照片自動診斷肺炎,其診斷準確率超過了放射科醫師。

吳恩達團隊最新醫學影像成果:肺炎診斷準確率創新高

圖一:ChexNet 是一個 121 層的卷積神經網絡,輸入胸透圖片,輸出患病概率。在這個例子中,CheXnet 準確地探測到了肺炎,同時定位了圖片中最有可能患病的位置。

CheXNet 可以輸出肺炎存在可能性的熱區圖。研究人員在最近發布的 ChestX-ray14 數據集(Wang et al., 2017)上訓練了 CheXNet。該數據集包含 112,120 張各自標注最多有 14 種不同胸部疾?。òǚ窝祝┑恼嫘赝笀D像。研究人員使用密集連接(Huang et al., 2016)與批歸一化(Ioffe & Szegedy, 2015)來優化這一深度神經網絡。

吳恩達團隊最新醫學影像成果:肺炎診斷準確率創新高

圖 2. CheXNet 在使用胸透圖像識別肺炎任務上的表現要超過放射科醫師的平均水平。在測試中,CheXNet 與四名人類放射科醫師在敏感度(衡量正確識別陽性的能力)以及特異性(衡量正確識別陰性的能力)上進行比較。放射科醫生的個人表現以橙色點標記,平均值以綠色點標記。CheXNet 輸出從胸透照片上檢測出的患肺炎概率,藍色曲線是分類閾值形成的。所有醫師的敏感度-特異性點均低于藍色曲線,這意味著 CheXNet 在肺炎上的診斷水平與放射科醫師相同,甚至更高。

對放射科醫師來說,要在胸片上發現肺炎是很困難的。在胸透圖像中,肺炎的特征通常是模糊的,容易和許多其他的良性異常相混淆。這些差異導致放射科醫師在診斷肺炎時存在相當大的差異。為了評估放射科醫師的表現,斯坦福大學的研究人員找來了四名專業放射科醫師,使用 ChestX-ray14 子集的 420 張圖片對他們進行了測試。在這 420 張圖片里,診斷正確與否的標準為其他大多數放射科醫生的投票結果,與此同時,CheXNet 模型也以同樣的標準進行了測試。

研究人員發現,該模型在敏感性和特異性的肺炎檢測任務上超過了放射科醫生的平均水平。為了比較CheXNet與之前使用ChestX - ray14的模型的能力,研究人員對比了新模型與其他模型在 ChestX-ray14 上對于十四種疾病的診斷準確率,結果發現新模型的表現在所有方面均超過了此前的結果。以放射科專家的水平從胸透圖像中自動檢測出疾病,不僅在臨床流程中有巨大的好處,而且對于那些無法享受到專家資源的人群來說,都是非常寶貴的。

問題表述

肺炎檢測工作其實是一個二元分類問題,其中輸入的是正向正面胸部X光圖像X,輸出則是一個分別指示肺炎存在或不存在的二元標簽t ∈{0, 1}。對于訓練集合中的一個單個標簽,研究人員優化了雙向叉熵損失  

L(X, t) = ?t log p(T = 1|X) ? (1 ? t) log p(T = 0|X)

 p(T = i|X) 是網絡分配給標簽 I 的概率。

模型架構和訓練

CheXNet 是一個121層的密集卷積神經網絡(DenseNet)(Huang et al., 2016),是基于ChestX-ray 14數據集合來進行訓練的。DenseNet通過神經網絡來優化信息流和梯度,使得非常深入的神經網絡優化工作變得更加易于處理。團隊將最終的全連接圖層替換成為單輸出圖像,之后再應用非線性Sigmoid函數(常見的S形函數)輸出包含肺炎發生概率的圖像。




上一篇:中國科大孫寶林教授研究組在CRISPR-Cas系統調控細菌基因組重塑...
下一篇:重大突破!鑒定出鈣泵的內部工作機制
贵州快3开奖结果