AI在识别疾病方面堪比放射科医生 通过x光精确识别肺炎和肺衰竭 |
![]() |
来源:生物探索2022-09-26 09336024
目前,大多数诊断疾病的AI模型都是基于人类标记图像通过机器学习进行训练的。为了使模型以合理的性能预测某种病理,在训练期间必须为该病理提供大量由专家标记的训练样本。
目前,大多数疾病的AI模型都是基于人类标记图像通过机器学习进行训练的。为了使模型以合理的性能预测某种病理,在训练期间必须为该病理提供大量由专家标记的训练样本。这种获得一些病理的高质量注释的过程是昂贵且耗时的,这通常导致临床工作流程的大规模低效。
一个名为CheXzero的新算法模型诞生了!它可以从现有的医疗检查报告中独立学习,这些报告是由研究人员用自然语言处理(NLP)编写的。相关研究成果发表在《自然生物医学工程》杂志上,题为《通过自我监督学习从未标注的胸部X射线图像中进行病理的专家级检测》(图1)。
图1研究结果(来源:[1])
研究表明,在涉及医学图像解释的任务中,经过适当训练的机器学习模型通常会超过医学专家的表现。然而,如此高水平的性能通常需要使用由专家仔细注释的相关数据集来训练模型。研究表明,该模型可以在没有明确标注的情况下,自我监督模型对胸部x光图像执行病理分类任务,其准确率与放射科医生相当。在胸部x光片的外部验证数据集上,自监测模型在检测三种病理(总共八种)方面优于全监测模型,并且其性能被扩展到模型未明确注释的病理、各种图像解释任务和来自多个机构的数据集。通过AI模型理解医学影像,可以大大节省时间和资金成本。
哈佛医学院的一组研究人员用公开的数据集训练了CheXzero模型,该数据集包含超过37.7万张胸部x光片和超过22.7万份相应的临床报告。研究人员通过使用来自两个不同机构和另一个国家的不相关数据集来测试CheXzero的性能,以验证该模型可以将图像与相应的报告进行匹配,即使报告包含不同的术语。
研究发现:
医药网新闻
- 相关报道
-
- 出现患者死亡,自体CAR (2023-03-24)
- JCI:中科大曾筑天课题组揭示肝转移癌免疫逃逸新机制及靶向治疗策略 (2023-03-24)
- 《牙膏监督管理办法》 自2023年12月1日起实施 (2023-03-24)
- 关于进一步完善医疗卫生服务体系的意见 (2023-03-24)
- 连续受灾的白术,价格持续上涨! (2023-03-24)
- 全国细胞治疗企业约四成在上海,“先发优势”加速转化为“产业优势” (2023-03-24)
- 盐碱地也能大丰收 新发现助力我国国家粮食安全 (2023-03-24)
- 我国西北地区发现侏罗纪被子植物化石 (2023-03-24)
- 每月用药1次!痛风新药两项III期研究成功 (2023-03-24)
- 蓝色彩虹生命科学加速器BioShow路演活动·上海场报名通道已开启! (2023-03-23)
- 视频新闻
-
- 图片新闻
-
医药网免责声明:
- 本公司对医药网上刊登之所有信息不声明或保证其内容之正确性或可靠性;您于此接受并承认信赖任何信息所生之风险应自行承担。本公司,有权但无此义务,改善或更正所刊登信息任何部分之错误或疏失。
- 凡本网注明"来源:XXX(非医药网)"的作品,均转载自其它媒体,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责。本网转载其他媒体之稿件,意在为公众提供免费服务。如稿件版权单位或个人不想在本网发布,可与本网联系,本网视情况可立即将其撤除。联系QQ:896150040