參與人工智能檢測早期癌癥的jhu研究團隊，它們在解決訓練人工智能算法檢測癌癥所需的高質(zhì)量數據的缺乏方面發(fā)揮重要作用。這種短缺源于在醫學(xué)掃描中識別腫瘤的具有挑戰性的過(guò)程，這可能非常耗時(shí)，因為它通常依賴(lài)于病理報告和活檢確認。例如，只有大約200張公開(kāi)的CT掃描圖帶有肝臟腫瘤的注釋?zhuān)@對于訓練和測試人工智能模型來(lái)檢測早期癌癥來(lái)說(shuō)是微不足道的。

　　該團隊與放射科醫生合作，設計了一種四步合成現實(shí)腫瘤的方法。首先，他們?yōu)槿嗽炷[瘤選擇了避免與周?chē)芘鲎驳奈恢谩＝酉聛?lái)，他們添加了隨機的“噪聲”模式，這樣他們就可以生成在真實(shí)腫瘤上發(fā)現的不規則紋理，并生成反映真實(shí)腫瘤不同輪廓的形狀。最后，他們模擬了腫瘤擠壓周?chē)h(huán)境的傾向，這改變了它們的外觀(guān)。研究人員說(shuō)，合成的腫瘤是超現實(shí)的，并且通過(guò)了視覺(jué)圖靈測試——也就是說(shuō)，即使是醫學(xué)專(zhuān)業(yè)人員在視覺(jué)檢查中也會(huì )把它們和真實(shí)的腫瘤混淆。

　　然后，該團隊只使用這些合成腫瘤訓練了一個(gè)人工智能模型。他們說(shuō)，由此產(chǎn)生的模型明顯優(yōu)于之前類(lèi)似的方法，并且可以達到與在真實(shí)腫瘤上訓練的人工智能模型相當的性能。

　　來(lái)自華中科技大學(xué)的研究人員、團隊成員胡啟新表示:“我們的方法令人興奮，因為到目前為止，還沒(méi)有任何一項單獨利用合成腫瘤的研究，能達到人工智能在真實(shí)腫瘤上訓練的類(lèi)似甚至相當的效果。”“此外，我們的方法可以自動(dòng)生成大量小型甚至微型合成腫瘤的例子，這有可能提高人工智能驅動(dòng)的腫瘤檢測的成功率。檢測小腫瘤對于確定癌癥的早期階段至關(guān)重要。”

　　根據Yuille的說(shuō)法，該團隊的方法也可用于生成數據集和訓練模型，以識別目前缺乏注釋腫瘤數據的其他器官中的癌癥。該團隊目前正在研究先進(jìn)的圖像處理技術(shù)，以在肝臟、胰腺和腎臟中產(chǎn)生合成腫瘤，但也希望將其擴展到身體的其他部位。

　　“這個(gè)項目的最終目標是合成人體內的各種異常，包括腫瘤，用于人工智能的開(kāi)發(fā)，這樣放射科醫生就不必花費寶貴的時(shí)間進(jìn)行手動(dòng)注釋?zhuān)焙f(shuō)。“這項研究朝著(zhù)這個(gè)目標邁出了重要的一步。”

　　Yuille團隊的其他研究人員包括約翰霍普金斯大學(xué)的博士生陳義雄、肖俊飛、陳杰能和魏晨，以及助理研究科學(xué)家周宗偉。中國科學(xué)技術(shù)大學(xué)的陳琦、熊志偉、南京醫科大學(xué)第一附屬醫院的孫淑文、伊利諾伊大學(xué)香檳分校的陳曉曦和哥倫比亞大學(xué)的宋浩睿也參與了這項研究。

　　以上是關(guān)于jhu研究員利用人工智能檢測早期癌癥的全部新聞，了解最新美國留學(xué)資訊，歡迎大家添加VX：Tops6868，托普仕出國留學(xué)擁有多年名校申請經(jīng)驗，幫助您實(shí)現出國讀書(shū)夢(mèng)。