捍卫胸部健康:深度学习利用胸部 X 光片尽早发现疾病

想要对胸部 X 光片进行分析?神经网络可以助您实现这项操作。

来自马里兰州贝塞斯达美国国立卫生研究院的研究人员开发出了由深度学习驱动的框架,可以通过胸部 X 光片检测出疾病。然后,他们的系统将为 X 光片添加详细说明,方便医生筛查患者,并尽早发现重大疾病。

这个团队使用我们的 CUDA 编程模型和 GPU 训练他们的神经网络,该神经网络可以识别疾病并说明疾病情况,例如发病位置、严重程度、病灶大小或受影响的器官。

深度学习应用于医学影像领域

随着深度学习方法的不断演进,人们在生成图像说明方面取得了巨大进展(请参阅“使用 GPU 加快人工智能的发展:新型计算模型”)。但多数应用程序是使用标记过的公开图像训练神经网络,这种神经网络可以为“自然”图像(例如宠物、自然景观或城市地标图像)添加说明,但无法为医学影像添加说明。

同样,医学影像注解得当的数据集也难以获取。通过众包方式取得胸部 X 光片不是一个好方法。普通人可以轻松为树木、动物和建筑物图像加标签,但却无法识别肺部疾病(例如心脏肥大或钙化性肉芽肿),只有专家才能识别这些疾病。

美国国立卫生研究院 (NIH) 研究人员使用胸部 X 光片的公共数据集训练卷积神经网络来辨识疾病。然后,他们训练循环神经网络描述疾病情况,这或许将成为通过放射学影像诊断疾病的创举。

NIH  研究人员使用胸部  X 光片训练循环神经网络描述疾病情况,这或许将成为通过放射学影像诊断疾病的创举。
NIH 研究人员使用胸部 X 光片训练循环神经网络描述疾病情况,这或许将成为通过放射学影像诊断疾病的创举。

使用 cuDNN 库和 Torch 深度学习框架构建的配对网络可以生成内容更丰富、更准确的图像注释。他们使用 NVIDIA Tesla K40 GPU 来训练自己的模型,大大提高了训练速度。

在医院和诊所部署他们的系统前,该团队需要对系统进行更深入的训练并提高预测率。一旦类似此系统的自动注释系统研发完成并投入使用,医生就可以搜索特定疾病的所有 X 光片电子记录。

他们的系统甚至可以帮助临床医疗资源有限的国家/地区筛查大量患者,诊断出这些患者的病症。

Similar Stories