0
雷鋒網(wǎng)AI 科技評論按：對于缺乏高質(zhì)量標注數(shù)據(jù)的專業(yè)應用，除了繼續(xù)花錢標數(shù)據(jù)之外，常用方法似乎也就只有 ImageNet 預訓練 + 任務專用數(shù)據(jù) fine-tune，眾包讓外行去標注更多數(shù)據(jù)拿來訓練是萬萬不敢的。不過 IBM 的這項最新研究就打破了這個禁忌，普通人標注的數(shù)據(jù)也可以用來訓練醫(yī)療影像分析模型。雷鋒網(wǎng)AI 科技評論把 IBM 研究院 Reseach Fellow Simone Bianco 撰寫的介紹文章編譯如下。
今日，我的IBM團隊和加州大學舊金山分校Gartner實驗室的同事在《自然方法》期刊上發(fā)表了一項具有創(chuàng)新性的研究成果，該成果允許我們從并非專家標注的數(shù)據(jù)生成數(shù)據(jù)集，并把它用于機器學習訓練。我們的方法可以讓 AI 系統(tǒng)從非專家生成的數(shù)據(jù)進行學習，并且達到與從專家生成的數(shù)據(jù)一樣好的學習效果。為此，我們開發(fā)出一個叫 Quanti.us 的平臺，非專家可以在上面分析醫(yī)學影像（生物醫(yī)學領域的常見任務），進而生成標注數(shù)據(jù)。我們的平臺擁有一整套完整的算法，專門設計用來正確地解析這種帶有噪聲而且不完整的數(shù)據(jù)。一旦將這些技術結合使用，將能夠有效拓展機器學習在生物醫(yī)學領域的應用。
非專家標注、存在噪聲的數(shù)據(jù)集
極為有限的高質(zhì)量標注數(shù)據(jù)集一直以來都是機器學習發(fā)展的瓶頸。通過創(chuàng)建可以從低質(zhì)量標注數(shù)據(jù)集中提供準確分析結果的算法，以及建立可以高速采集這樣的低質(zhì)量標注數(shù)據(jù)的系統(tǒng)，我們可以幫助緩解該瓶頸。分析含有我們感興趣的特征的圖像就是一個絕佳的例子。讓專家對圖像進行標注雖然準確度高但耗時良多，再者，以對比度分割（contrast-based segmentation）和邊緣檢測（edge detection）為代表的自動分析技術只有在嚴控的實驗條件下才表現(xiàn)良好，一旦實驗條件出現(xiàn)變化，就可能會出現(xiàn)不可靠的分析結果。
擁抱眾包吧。我們通過 Quanti.us 眾包獲得同一張圖像的標注的速度要比一位專家分析快上10-50倍。不過正如大家所料，非專家標注的數(shù)據(jù)含有很多噪聲——有些成功識別到了目標，有些則偏離了目標。為此，我們開發(fā)出了一種算法處理這種有噪聲的數(shù)據(jù)，可以分別根據(jù)命中與非命中的聚合情況來推斷出特征的正確位置。當我們把這種“眾包式”數(shù)據(jù)集用來訓練深度卷積回歸網(wǎng)絡時，我們發(fā)現(xiàn)在準確率與召回率方面，網(wǎng)絡的表現(xiàn)與通過“專家式”數(shù)據(jù)集訓練出來的網(wǎng)絡并無二致。隨著論文的發(fā)布，我們也相應公開了算法的源代碼。
在細胞工程學科中的應用
圖像分析在定量生物醫(yī)學領域起到核心作用。很多年以前，我們與合作伙伴宣布成立由國家科學基金會資助的細胞工程中心（CCC）——這是一所志在開創(chuàng)細胞學科新領域的技術中心。細胞工程中心一直在不遺余力促成不同學科之間的合作，如機器學習、物理、計算機科學、細胞分子生物學、基因體學等，以推動細胞工程學科的發(fā)展。我們的目標是研究并創(chuàng)建可用作自動化機器的細胞（或者點對點傳感器，以獲取各種有關生物實體與其所處環(huán)境之間關系的重要信息。我們通過圖像分析技術準確識別細胞內(nèi)部單元的位置與大小。不過，即使我們采用最先進的圖像分析技術，得到的細胞亞結構分析結果依然存在許多“噪聲”，導致無法針對細胞成分進行下一步操作。我們的技術可以利用噪聲數(shù)據(jù)預判細胞結構的正確位置，從而更好識別那些對潛在藥物靶標生成有貢獻的細胞器。
我們相信我們的算法是構建復雜AI平臺所不可或缺的關鍵一步。在早期系統(tǒng)還需要適度的人工干預，主要由生物學家負責把關一些可能在訓練階段出現(xiàn)的失誤，以進一步提升系統(tǒng)的性能。除此之外，我們也認為該方法未來有機會應用于生物學以外的同樣缺乏高質(zhì)量標注圖像的領域。
via IBM Research，雷鋒網(wǎng) AI 科技評論編譯
雷峰網(wǎng)版權文章，未經(jīng)授權禁止轉載。詳情見轉載須知。
