想用智能算法分析一張胸腔的X光片嗎？美國(guó)的一群研究者們最近在這方面做出了一個(gè)相當(dāng)有益的探索，可能對(duì)未來(lái)的應(yīng)用和普及起到非常大的幫助。

貝塞斯達(dá)（美國(guó)馬里蘭州中部城市）國(guó)立衛(wèi)生研究院的研究者們開發(fā)出了一套基于深度學(xué)習(xí)的用來(lái)從胸腔X光照片中檢測(cè)疾病的算法框架。檢測(cè)完成后這套系統(tǒng)會(huì)在X光照片下附上詳細(xì)的說明，以便醫(yī)生向病人展示，以及更早的檢測(cè)出那些危險(xiǎn)的疾病。

研究小組使用了NVIDIA的CUDA（統(tǒng)一計(jì)算設(shè)備架構(gòu)）程序設(shè)計(jì)模型，并且是使用GPU來(lái)運(yùn)行和提升他們的算法的，這些設(shè)備能幫助算法來(lái)定位疾病并且描述它當(dāng)前的如位置、嚴(yán)重性、病灶大小和影響的器官等狀態(tài)。之所以使用GPU來(lái)進(jìn)行計(jì)算，是因?yàn)镚PU的運(yùn)作原理非常符合深度學(xué)習(xí)程序所需要的特點(diǎn)：執(zhí)行命令很有效率，并且能承擔(dān)巨量的并行計(jì)算，這使得程序可以同時(shí)開始大量的分析進(jìn)程，加快學(xué)習(xí)的速度。

讓深度學(xué)習(xí)學(xué)會(huì)識(shí)別醫(yī)療圖片信息

圖像信息識(shí)別在深度學(xué)習(xí)方法得到進(jìn)步后已經(jīng)取得了巨大的進(jìn)展。但是目前的大多數(shù)程序都是在利用公開可用的圖像來(lái)訓(xùn)練那些可以給“自然”的圖片做上標(biāo)注的神經(jīng)網(wǎng)絡(luò)，比如說像寵物、自然景觀或者城市地標(biāo)這樣的圖片——但沒有用醫(yī)療圖片的。

因?yàn)橄啾容^起來(lái)，帶有詳細(xì)標(biāo)注的醫(yī)療圖片構(gòu)成的數(shù)據(jù)庫(kù)是很難得到的，而公開征集X光片信息顯然也不可能。而一般人可以很明顯的從圖片中標(biāo)記出樹、動(dòng)物和建筑這樣的信息。但識(shí)別出像心臟肥大癥或者鈣化肉芽腫這樣的心肺疾病是需要專業(yè)知識(shí)的。

深度學(xué)習(xí)的基本應(yīng)用結(jié)構(gòu)

NIH研究者們開發(fā)的系統(tǒng)使用了一套結(jié)合了卷積神經(jīng)網(wǎng)絡(luò)（CNNs）和時(shí)間遞歸神經(jīng)網(wǎng)絡(luò)（RNNs）的組合來(lái)幫助整個(gè)系統(tǒng)識(shí)別并注釋X光照片代表的疾病/健康信息。首先是卷積神經(jīng)網(wǎng)絡(luò)，由于其對(duì)大型圖像處理有著出色表現(xiàn)，所以研究者們使用它來(lái)初步判斷照片的信息。研究者們使用了一份公開的，包含了一萬(wàn)份左右X光照片和報(bào)告的數(shù)據(jù)庫(kù)。從中提取出了17種大量出現(xiàn)的醫(yī)學(xué)名詞組合（也就是常出現(xiàn)的疾?。?。試圖找出這些詞語(yǔ)與圖片之間的聯(lián)系，以便CNNs在掃描圖像后能進(jìn)行準(zhǔn)確的歸類。

在進(jìn)行分類后，時(shí)間遞歸神經(jīng)網(wǎng)絡(luò)會(huì)接手，通過特定的算法為圖像加上標(biāo)簽。這可能是時(shí)間遞歸神經(jīng)網(wǎng)絡(luò)第一次被應(yīng)用于檢測(cè)X光照片。

這幅圖是算法應(yīng)用的幾個(gè)案例，其中綠色框內(nèi)展現(xiàn)的是算法判斷的健康狀況，而黃色框內(nèi)是真正的狀況，很顯然，越稀有的疾病由于用于學(xué)習(xí)的數(shù)據(jù)不足，會(huì)越難以判斷出來(lái)，圖片來(lái)源，NIH paper/NVIDIA's blog

這兩個(gè)用NVIDIA的cuDNN庫(kù)（NVIDIA開發(fā)的一個(gè)用于深度神經(jīng)網(wǎng)絡(luò)的GPU加速庫(kù)）和火炬深度學(xué)習(xí)框架編寫出來(lái)的神經(jīng)網(wǎng)絡(luò)程序產(chǎn)生了更豐富、更準(zhǔn)確的圖像標(biāo)注結(jié)果。

研究團(tuán)隊(duì)開發(fā)的程序現(xiàn)在需要更進(jìn)一步的訓(xùn)練和更高的預(yù)測(cè)準(zhǔn)確率，這樣醫(yī)院和診所才會(huì)被說服來(lái)采用它們。不過一旦這種自動(dòng)注釋系統(tǒng)開始上線運(yùn)行，醫(yī)生們的負(fù)擔(dān)不僅能夠得到有效的降低，還能任意搜索某種特定疾病的全部電子版X光照片了。

這套系統(tǒng)甚至可以幫助醫(yī)療資源有限的國(guó)家診斷大量患者的疾病或健康狀況，減輕他們的負(fù)擔(dān)。

via NVIDIA官方博客

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