栗子脑 发自 凹非寺量子位 出品 | 公众号 QbitAI
辅助医生做疾病诊断的AI，已越来越常见。
从前，每只AI要吃下来自放射科的许多许多图像数据，学好图中的特征，才可能出师。
数据集越大越好，数据也是越多样越好 (样本不能太单一) 。可是相比健康的结果，研究人员找不到那么多病变的图像可用。
如今，医学诊断AI依然需要喂食大量的数据，但未必用放射科真实捕捉的图像了。
英伟达与一众医疗机构合作，开发了一只医学GAN，用来生成脑部核磁共振 (MRI) 的图像，专攻脑肿瘤识别。
他们说，以后就不愁数据集不够大、不够丰富了。
诊断能力有提升
做头部核磁成像的人很多，可大部分检查结果还是正常。
用这样的数据集训练出的AI，见不到更多脑肿瘤的情况，诊断能力也会被局限。
英伟达的GAN，要生成病变的脑部图像。为训练数据集，填补不正常的那部分。
这只AI，是用PyTorch搭起，然后在英伟达DGX平台上训练的。
模型分为三个部分：
一是生成器做脑部语义分割，鉴别器判断真假；
二是生成器用肿瘤语义分割生成MRI图像，鉴别器判断真假；
三是生成器做肿瘤语义分割，鉴别器判断真假。
GAN吃的数据集有两个，一个是阿兹海默神经成像计划 (ADNI) ，另一个是多模态脑肿瘤图像分割基准 (BRATS) 。其中，BRATS的20%留作测试集。
训练完成之后，GAN生成的假MRI图像几可乱真。
用真实MRI图像与合成MRI图像的混合数据集训练的诊断AI，正确率达到80%比，仅用真实图像训练 (64%) 时，提高许多。
欣赏一下数据多样性
脑部肿瘤的情况有很多种，GAN的生成结果也需要五花八门，才能更好地辅助诊断。
论文传送门：
https://ift.tt/2Nfyyjc
— 完 —
欢迎大家关注我们的专栏：量子位 - 知乎专栏
诚挚招聘
量子位正在招募编辑/记者，工作地点在北京中关村。期待有才气、有热情的同学加入我们！相关细节，请在量子位公众号(QbitAI)对话界面，回复"招聘"两个字。
量子位 QbitAI· 头条号签约作者
վ'ᴗ' ի 追踪AI技术和产品新动态
没有评论:
发表评论