雷鋒網(wǎng) AI 研習(xí)社按，今年一月，吳恩達(dá)團(tuán)隊(duì)公布醫(yī)學(xué)影像數(shù)據(jù)集 MURA，MURA 是目前最大的 X 光片數(shù)據(jù)庫(kù)之一，包含源自 14982 項(xiàng)病例的 40895 張肌肉骨骼X光片。1 萬多項(xiàng)病例里有 9067 例正常的上級(jí)肌肉骨骼和 5915 例上肢異常肌肉骨骼的 X 光片，部位包括肩部、肱骨、手肘、前臂、手腕、手掌和手指。每個(gè)病例包含一個(gè)或多個(gè)圖像，均由放射科醫(yī)師手動(dòng)標(biāo)記。

圖：MURA 數(shù)據(jù)庫(kù)，包括肩部，肱骨，手肘，前臂，手腕，手掌和手指等上肢。

日前，斯坦福宣布基于 MURA 發(fā)起一項(xiàng)檢測(cè)肌肉異常的深度學(xué)習(xí)挑戰(zhàn)賽。

主辦方使用隱藏測(cè)試集進(jìn)行模型評(píng)估，參賽團(tuán)隊(duì)需要在 Codalab 上提交代碼，然后他們提供的代碼將會(huì)在非公開測(cè)試集上運(yùn)行。主辦方表示，這樣的設(shè)置保證了比賽的公平性。

此前，基于 MURA，吳恩達(dá)團(tuán)隊(duì)開發(fā)了一個(gè)有效的異常檢測(cè)模型，他們將一個(gè)或多個(gè) X 光片輸入該模型預(yù)測(cè)每個(gè) X 光片的異常概率，然后得出同一病例所有 X 光片異常概率的平均值，之后作為 X 光片的異常概率輸出。他們從 209 項(xiàng)持續(xù)跟蹤的病例中挑選了 6 個(gè)病例，將模型和專業(yè)放射科醫(yī)生給出的診斷結(jié)果進(jìn)行比較，發(fā)現(xiàn)模型的診斷能力達(dá)到了與放射科醫(yī)生相當(dāng)?shù)乃??！冈谠\斷手指和手腕異常時(shí)，模型檢測(cè)異常的能力強(qiáng)于最好的醫(yī)生。然而，在診斷膝、前臂、肱骨和肩部異常時(shí)，模型的表現(xiàn)不如醫(yī)生的表現(xiàn)?！?/p>

那么這次的比賽，會(huì)產(chǎn)生出新的強(qiáng)大的深度學(xué)習(xí)模型嗎？拭目以待。

比賽信息參見：https://stanfordmlgroup.github.io/competitions/mura/

相關(guān)文章：

吳恩達(dá)團(tuán)隊(duì)公布最大醫(yī)學(xué)影像數(shù)據(jù)集 MURA，基于深度學(xué)習(xí)檢測(cè)骨骼疾病

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。