大数据文摘专栏作品
作者:ChristopherDossman
编译:Joey、Junefish、云舟
呜啦啦啦啦啦啦啦大家好,拖更的AIScholarWeekly栏目又和大家见面啦!
AIScholarWeekly是AI领域的学术专栏,致力于为你带来最新潮、最全面、最深度的AI学术概览,一网打尽每周AI学术的前沿资讯。
每周更新,做AI科研,每周从这一篇开始就够啦!
本周关键词:DeepFake、强化学习、人机交互
本周最佳学术研究
深度学习模型理解胸部X光报告
最近的研究表明,深度学习模型现在已经可以用于解释胸部X光图像。GoogleHealth的研究人员们开发了一个深度学习模型,他们使用两个共有上万张图像的数据集来检测X光片中的四种诊断结果,包括气胸、不透明、结节或肿块以及额胸片上的骨折。
第一个医院(ApolloHospitals),它包括一组不同的胸部X光结果。第二个数据集是美国国立卫生研究院发布的可公开获得的ChestX-ray14图像数据集。
为了评估这一模型,研究人员门用上了每个数据集中的数千个保留图像。四名放射科医生还独立评估了这些保留图像,以此来比较放射科医生与模型的诊断的准确性。结果表明,对于两个数据集中所有四个诊断,深度学习模型都达到了放射医师的诊断水平。
最近的许多深度学习方面的进展使算法达到了专业医疗人员的水准。在这项工作中,深度学习模型的准确性与放射科医生的准确性相当,但跨数据集的表现不同。例如,放射科医师对于ChestX-ray14中的图像,检测气胸的敏感性为79%,而对于其他数据集的同一类图像,其敏感性仅为52%。
研究人员称,“我们开发并评估了用于解读胸部X光片的人工智能模型。通过比对各种图像,我们认为这些模型能达到放射科医生的表现。”
这项工作表明了在多个不同的数据集上验证深度学习工具的重要性。并且,最终在患者群体和临床环境中验证模型的使用也不可或缺。
原文: