×

注册花火通行证,没有账号立即注册

产品库厂商库
花火网 > 智能医疗 > 新闻 > 正文

谷歌用深度学习算法检测癌症 准确率远超人类专家

2017-03-07 10:15:40 来源:互联网

  谷歌用深度学习算法检测癌症,准确率远超人类专家。在检查患者的生物组织样品后, 病理学家的报告通常是许多疾病的黄金诊断标准。特别是对于癌症,病理学家的诊断对患者的治疗具有深远的影响。病理切片审查是一个非常复杂的任务,需要多年的培训才能做好,丰富的专业知识和经验也是必不可少的。尽管都经过培训,但不同病理学家对同一患者给出的诊断结果,可能存在实质性的差异,而这可能导致误诊。例如,在某些类型的乳腺癌诊断中,诊断结论一致性竟低至48%,前列腺癌诊断的一致性也同样很低。

谷歌用深度学习算法检测癌症  准确率远超人类专家.jpg

  诊断缺乏一致性低并不少见,因为如果想做出准确的诊断,必须检查大量的信息。病理学家通常只负责审查一张切片上所有可见的生物组织。然而,每个患者可能有许多病理切片,假设以40倍的放大倍数进行数字化切片图像,每个患者的图像数据都超过10亿个像素点。想象一下,要遍历1张1千万像素的照片,并且必须对每个像素的判断结果负责。不用说了,这里有太多的数据需要检查,而时间往往是有限的。

  为了解决诊断时间有限和诊断结果不一致的问题,我们正在研究如何让深度学习数字病理学领域发挥作用,通过创建一个自动检测算法,在病理学家的工作流中提供辅助工具。谷歌研究院使用由Radboud大学医学中心提供图像数据来训练诊断算法,这些图片也在2016 ISBI Camelyon Challenge中使用,目前该算法已被优化,用于定位出乳腺癌向乳房相邻的淋巴结扩散。

  在乳腺癌扩散定位任务中,使用现成的标准深度学习方法如Inception(也称为GoogLeNet),表现也是相当不错,虽然生成的肿瘤概率预测热图还是存在噪点。我们对这个训练网络做了增强定制,包括用不同的放大倍数的图片来训练模型(非常像病理学家所做的),从训练结果来看,我们有可能训练出一个系统,它的能力可以相当于一个病理学家,甚至有可能超过病理学家的表现,并且它拥有无限的时间来检查病理切片。

准确率远超人类病理学家 谷歌用深度学习算法检测癌症

  图1左图是来自两个淋巴结活检的图像,中图是早期深度学习算法检测肿瘤的结果,右图是我们当前的成果,注意第二个版本的可见噪声(潜在误判)已降低。


收藏
分享到
花火网微信公众号
huahuozhineng;欢迎打开微信点击添加好友搜索我们的公众帐号,关注我们!