Google的AI团队对胸部X射线进行了准确分类

尽管每年进行数百万次诊断检查，但胸部X射线在诊断多种疾病中起着至关重要的作用。但是，由于解释方面的挑战，需要彻底，快速地评估描绘复杂，3D器官和疾病过程的2D图像，因此其用途可能会受到限制。有时，胸部X射线可能会漏掉主要细节，从而给患者带来不良后果。

最近的努力具有改进的肺部癌症放射学检测，在皮肤科鉴别诊断，和前列腺癌病理学分级。并且，为用于X射线解释的深度学习模型获取准确的临床标签。

大多数工作已将基于规则的自然语言处理应用于放射学报告或基于读者的图像审查。最终，两者都可能导致不一致，这在模型评估时可能会出现问题。

深度学习模型可解决挑战!

为了解决这个问题，Google的研究人员设计了人工智能模型，以在人类胸部X射线上发现四个发现。机器学习的进步为创建新工具提供了机会，以帮助专家解释医学图像。在《放射学》杂志上，发表了胸部X光片的深度学习模型。

该团队针对四个重要的临床发现开发了深度学习模型，例如气胸(肺塌陷)，结节和肿块，空域浑浊(材料充满肺树)和骨折。这些是在与临床同事和放射科医生协商后选择的，重点放在对患者护理至关重要的疾病上。

这些深度学习模型是使用数千个伸出的图像进行评估的，该图像是通过基于木板的裁决程序在经过董事会认证的放射学家中从数据集中收集的高质量标签的。后来，单独的放射科医生对保留的图像进行了独立检查，以确保它们是准确的。

该团队利用了来自两个未识别数据集的600,000张图像。第一个是与阿波罗医院的合著者共同开发的，并且在过去的几年中从各地医院网络收集了一系列不同的胸部X射线。第二个已由美国国立卫生研究院公开发布，并且是机器学习工作的重要资源。但是，同样也存在与可用标签的准确性和临床解释有关的限制。

高质量参考标准标签

为了生成用于模型评估的高质量参考标准标签，该团队使用了基于小组的裁决程序。在此过程中，三位放射科医生审查了最终的调谐和测试集图像，并通过讨论解决了分歧。它可以让仅由一名放射线医师检测到的困难发现被发现并记录下来。后来，讨论通过裁决或在线讨论系统匿名进行。

Google指出，尽管这些模型达到了专家级的总体准确性，但其性能因语料库而异。例如，对于放射科医师，对于ChestX-ray14图像，检出半胸膜的敏感性接近79%，而在其他数据集中，对于同一放射科医师，其敏感性仅为52%。

深圳罗湖打造“一个中枢五个中心” 建成中国黄金钻石交易中枢体系

广西黄金珠宝产业园优化全产业链发展 目前为止已入驻企业37家

国内知名珠宝企业齐亮相首届消博会 展现民族品牌新形象

吉尔吉斯斯坦或将取消珠宝产品生产设备进口的增值税 包括精矿砂、合金等

潍坊昌乐“中国宝石城”化身“潍坊市电商小镇 珠宝商变身为“直播网红”

广州发布全国首份围绕新发展格局支持钻石产业专项政策 培育壮大产业集聚带

未来5年 深圳罗湖构建全球竞争力和国际影响力的黄金钻石金融中心

中国珠宝成为首届中国国际消费品博览会唯一指定进口代理商