NVIDIA开发医学GAN,训练AI医生,令脑部肿瘤的判定准确率提高14%

AI辅助医生做疾病诊断，越来越常见。

只要给AI足够多的放射科的图像数据（样本不单一的情况下，数据越多越好），AI就能出师 。可事实是，相比健康的结果，研究人员找不到那么多病变的图像可用。

那么医学诊断AI必须使用放射科真实捕捉的图像吗？未必。

英伟达与一众医疗机构合作，开发了一只医学GAN，用来生成脑部核磁共振(MRI) 的图像，专攻脑肿瘤识别。

医学GAN，轻松生成海量数据

“我们首次表明，可生成用于训练神经网络的大脑图像。”英伟达的高级研究科学家，该论文的第一作者Hu Chang在电话采访中告诉VentureBeat。

AI系统是使用Facebook的PyTorch深度学习框架开发并在英伟达DGX平台上训练的，它利用了一般的对抗网络(GAN) 一个由生成样本的发生器和鉴别器组成的两部分神经网络，试图区分生成的样本和现实样本 创建可靠的脑异常核磁共振成像。

该团队采购了两个公开可用的数据集 阿尔茨海默氏病神经影像学计划(ADNI)和多模式脑肿瘤图像分割基准(BRATS) 来训练GAN，并将20%的BRATS 264研究用于性能测试。内存和计算限制迫使团队将扫描的分辨率从256 x 256 x 108降至128 x 128 x 54，但他们使用原始图像进行比较。

从ADNI获得图像的生成器，学习了合成脑部扫描(包括白质、灰质和脑脊髓液)。接下来，当在BRATS数据集上释放时，它会生成带有肿瘤的完整分割。

GAN对扫描进行了注释，而这项任务一般要耗费人类专家团队工作数小时。并且因为它将大脑和肿瘤解剖学视为两个不同的标签，它允许研究人员改变肿瘤的大小和位置，或者将其“移植”到健康大脑的扫描中。

“有条件的GAN非常适合这种情况。”Chang说。 “[它可以]消除患者的隐私问题[因为]生成的图像是匿名的。”

当团队使用由GAN产生的真实脑部扫描和合成脑部扫描的组合训练机器学习模型时，其实现了80%的准确性，比仅在实际数据上训练的模型好14%。

“我们向许多放射科医生展示这个系统，他们对此表现非常兴奋。”Chang说，“他们想用它来生成更多罕见疾病的例子。”

Chang说，未来的研究将使用更高分辨率的训练图像和更大的数据集，来调查不同患者群体。 模型的改进版本可能会缩小肿瘤周围的边界，使它们看起来不会“叠加”。

欣赏一下数据多样性

脑部肿瘤的情况有很多种，GAN的生成结果也需要五花八门，才能更好地辅助诊断。

END

致力于为企业提供全媒体品牌策划、推广传播

为读者提供深度、有趣、有料的人工智能前沿信息

U can also follow us

出品 | 康健卡司

商务合作 | lifeng@kjcast.com(邮箱)

AItime_talk（AI时刻高端对话）

往期速递：

AI时刻01期 | 遇冷？回暖？VR的未来到底在哪？

AI时刻02期 | WyzLink 任君玲 邹新立：MR将如何改变你我的未来？

AI时刻03期 | 维卓致远首席科学家 李欣：AI时代，谁将成就超级医生

AI时刻04期 | 业内大咖齐聚，畅谈商业新生态下的AI热潮

AI时刻05期 | 迈吉客科技创始人 伏英娜：真正的黑科技与魔法无异

AI时刻06期 | 人工智能+健康医疗，引爆之后的变革与新生

AI时刻07期 | 人工智能也疯狂

AI时刻08期 | 风口更迭中的新商业之道

小健科普 | 2018黑科技high点，VR、AR你能分清吗？
小健科普| 90秒看懂VR、AR、MR

小健科普| MRPP是什么？含金量有多高？

小健科普| CG即时生成表情的面部追踪技术！

小健科普| 引众多企业纷纷入局的腾讯加速器是什么？

　　　　　　　　　　　　　 查看评论 回复