人工智能是诊断学中的一项重要创新
2020-06-29 10:24:21爱云资讯
人工智能(AI)是诊断学中的一项重要创新,因为它可以快速学会识别医生也将其标记为疾病的异常情况。但是这些系统的工作方式通常是不明确的,而且医生在做出诊断时确实具有更好的“整体情况”。在一份新出版物中,拉德布杜克(Radboudumc)的研究人员展示了如何使AI展示其工作原理,以及如何使其像医生一样进行诊断,从而使AI系统与临床实践更加相关。
医生与人工智能
近年来,人工智能在医学成像诊断中的兴起。医生可以查看X射线或活组织检查以识别异常,但是越来越多的AI系统也可以通过“深度学习”来做到这一点(请参见下面的“背景知识:什么是深度学习”)。这样的系统要学会自己做出诊断,在某些情况下,它比有经验的医生做得好或更好。
与人类医生相比,两个主要区别是:首先,人工智能在分析图像时通常不透明;其次,这些系统是“懒惰的”。AI会查看特定诊断所需的内容,然后停止。这意味着即使诊断正确,扫描也不总是能够识别出所有异常。医生,尤其是在考虑治疗计划时,会从全局上看:我会看到什么?手术期间应去除或治疗哪些异常?
AI更像医生
为了使AI系统对临床实践更具吸引力,Radboudumc的A眼研究和诊断图像分析小组的候选人CristinaGonzálezGonzalo博士开发了诊断AI的双面创新技术。她是根据眼部扫描进行此操作的,其中发生了视网膜异常-特别是糖尿病性视网膜病变和与年龄有关的黄斑。医生和AI都可以轻松识别这些异常。但它们也是异常现象,经常成群出现。经典的AI将诊断一个或几个斑点并停止分析。然而,在冈萨雷斯·贡萨洛(GonzálezGonzalo)开发的过程中,人工智能反复遍历了图片,学会忽略已经过去的地方,从而发现了新的地方。此外,AI还可以显示其认为可疑的眼睛扫描区域,从而使诊断过程透明。
一个基本的AI可以根据一次眼部扫描评估得出一个诊断,并且由于GonzálezGonzalo的第一项贡献,它可以显示出它是如何得出该诊断的。这种直观的解释表明,该系统确实是惰性的-在获得足够的信息以进行诊断后停止分析。这就是为什么她还以创新的方式使过程进行迭代,从而迫使AI看起来更难,并创造出放射科医生会拥有的“完整图片”。
系统如何学会用“新鲜的眼睛”看相同的眼睛?该系统通过数字方式填充已使用异常周围健康组织发现的异常,从而忽略了熟悉的零件。然后将所有评估回合的结果相加,得出最终诊断结果。在研究中,这种方法将每幅图像的糖尿病性视网膜病变和年龄相关性黄斑的检测灵敏度提高了11.2 +/- 2.0%。该项目证明,有可能让AI系统更像医生一样评估图像,并使其工作方式透明化。这可能有助于使这些系统变得更容易信任,从而被放射科医生采用。
背景:什么是“深度学习”?
深度学习是用于以类似于我们的大脑工作方式学习的系统的术语。它由电子“神经元”网络组成,每个网络都学会识别所需图像的一个方面。然后遵循“边做边学”和“实践使人完美”的原则。系统收到越来越多的图像,其中包含相关信息,例如在这种情况下,视网膜是否存在异常,如果存在异常,则是哪种疾病。然后,系统学会识别哪些特征属于那些疾病,并且看到的图片越多,就可以更好地识别出未诊断图像中的那些特征。我们对小孩子做类似的事情:我们反复在他们面前举起一个物体,例如一个苹果,并说这是一个苹果。一段时间后,您不会 不必再说了-即使每个苹果都略有不同。这些系统的另一个主要优点是它们完成培训的速度比人类快得多,并且可以一天24小时工作。
- Viettel开设越南最大的数据中心,通过部署绿色技术,为人工智能发展做好准备
- Cognex 推出全新人工智能 3D 视觉系统
- Enine亿玖携手技嘉GIGABYTE如约亮相2024深圳(国际)人工智能计算大会
- 生成式人工智能雅思培训项目引行业关注
- 震撼来袭,精彩前瞻|2024人工智能大模型产业发展大会即将召开
- 昆仑万维发布面向人工智能时代的六条人才宣言
- “人工智能+出海”大有可为,钛动科技以AI驱动企业降本增效
- 美图公司吴欣鸿:推动人工智能在影像与设计领域的应用落地
- 为新质生产力“添柴加薪”,呼和浩特与百度共建人工智能基础数据产业基地
- 昇思人工智能框架峰会2024圆满落幕|软通动力大模型一体机发布
- 明途工作大脑垂直行业模型WorkBrain V3.5,落实“人工智能+”行动
- 思科最新研究:全球超四分之一企业因数据隐私和安全考虑禁止使用生成式人工智能
- 智能校对大模型文修2.0重磅发布:赋能“人工智能+办公”转型升级
- 昇思MindSpore 2.3全新发布 | 昇思人工智能框架峰会2024圆满举办
- 卓翼智能无人机+人工智能助力森林防灭火,科技赋能守护绿色林海
- 上海人工智能实验室发布自动驾驶视频生成模型GenAD