雷鋒網(wǎng)AI 科技評論按：對于缺乏高質(zhì)量標(biāo)注數(shù)據(jù)的專業(yè)應(yīng)用，除了繼續(xù)花錢標(biāo)數(shù)據(jù)之外，常用方法似乎也就只有 ImageNet 預(yù)訓(xùn)練 + 任務(wù)專用數(shù)據(jù) fine-tune，眾包讓外行去標(biāo)注更多數(shù)據(jù)拿來訓(xùn)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(biāo)注的數(shù)據(jù)也可以用來訓(xùn)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(tuán)隊和加州大學(xué)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(biāo)注的數(shù)據(jù)生成數(shù)據(jù)集，并把它用于機(jī)器學(xué)習(xí)訓(xùn)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(jìn)行學(xué)習(xí)，并且達(dá)到與從專家生成的數(shù)據(jù)一樣好的學(xué)習(xí)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(xué)影像（生物醫(yī)學(xué)領(lǐng)域的常見任務(wù)），進(jìn)而生成標(biāo)注數(shù)據(jù)。我們的平臺擁有一整套完整的算法，專門設(shè)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(shù)結(jié)合使用，將能夠有效拓展機(jī)器學(xué)習(xí)在生物醫(yī)學(xué)領(lǐng)域的應(yīng)用。

非專家標(biāo)注、存在噪聲的數(shù)據(jù)集

極為有限的高質(zhì)量標(biāo)注數(shù)據(jù)集一直以來都是機(jī)器學(xué)習(xí)發(fā)展的瓶頸。通過創(chuàng)建可以從低質(zhì)量標(biāo)注數(shù)據(jù)集中提供準(zhǔn)確分析結(jié)果的算法，以及建立可以高速采集這樣的低質(zhì)量標(biāo)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(jìn)行標(biāo)注雖然準(zhǔn)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(shù)只有在嚴(yán)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(jié)果。

由非專家標(biāo)注的圖像集噪聲較多。這十名非專家試圖標(biāo)識出圖像中的深黑色圓圈，即細(xì)胞核。然而他們的標(biāo)注結(jié)果（以橙色顯示）之間并不是完全一致。我們的算法能夠從這堆噪聲數(shù)據(jù)中推測出共識輪廓（以紫色顯示）。我們最后將圖像的共識輪廓與專家標(biāo)注的結(jié)果（以綠色顯示）進(jìn)行對比

擁抱眾包吧。我們通過 Quanti.us 眾包獲得同一張圖像的標(biāo)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(biāo)注的數(shù)據(jù)含有很多噪聲——有些成功識別到了目標(biāo)，有些則偏離了目標(biāo)。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(dāng)我們把這種“眾包式”數(shù)據(jù)集用來訓(xùn)練深度卷積回歸網(wǎng)絡(luò)時，我們發(fā)現(xiàn)在準(zhǔn)確率與召回率方面，網(wǎng)絡(luò)的表現(xiàn)與通過“專家式”數(shù)據(jù)集訓(xùn)練出來的網(wǎng)絡(luò)并無二致。隨著論文的發(fā)布，我們也相應(yīng)公開了算法的源代碼。

在細(xì)胞工程學(xué)科中的應(yīng)用

圖像分析在定量生物醫(yī)學(xué)領(lǐng)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(xué)基金會資助的細(xì)胞工程中心（CCC）——這是一所志在開創(chuàng)細(xì)胞學(xué)科新領(lǐng)域的技術(shù)中心。細(xì)胞工程中心一直在不遺余力促成不同學(xué)科之間的合作，如機(jī)器學(xué)習(xí)、物理、計算機(jī)科學(xué)、細(xì)胞分子生物學(xué)、基因體學(xué)等，以推動細(xì)胞工程學(xué)科的發(fā)展。我們的目標(biāo)是研究并創(chuàng)建可用作自動化機(jī)器的細(xì)胞（或者點(diǎn)對點(diǎn)傳感器，以獲取各種有關(guān)生物實體與其所處環(huán)境之間關(guān)系的重要信息。我們通過圖像分析技術(shù)準(zhǔn)確識別細(xì)胞內(nèi)部單元的位置與大小。不過，即使我們采用最先進(jìn)的圖像分析技術(shù)，得到的細(xì)胞亞結(jié)構(gòu)分析結(jié)果依然存在許多“噪聲”，導(dǎo)致無法針對細(xì)胞成分進(jìn)行下一步操作。我們的技術(shù)可以利用噪聲數(shù)據(jù)預(yù)判細(xì)胞結(jié)構(gòu)的正確位置，從而更好識別那些對潛在藥物靶標(biāo)生成有貢獻(xiàn)的細(xì)胞器。

我們相信我們的算法是構(gòu)建復(fù)雜AI平臺所不可或缺的關(guān)鍵一步。在早期系統(tǒng)還需要適度的人工干預(yù)，主要由生物學(xué)家負(fù)責(zé)把關(guān)一些可能在訓(xùn)練階段出現(xiàn)的失誤，以進(jìn)一步提升系統(tǒng)的性能。除此之外，我們也認(rèn)為該方法未來有機(jī)會應(yīng)用于生物學(xué)以外的同樣缺乏高質(zhì)量標(biāo)注圖像的領(lǐng)域。

via IBM Research，雷鋒網(wǎng) AI 科技評論編譯

雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。