乾明 發自 凹非寺

量子位 出品 | 公眾號 QbitAI

近日，吳恩達在Twitter上po了自己團隊的最新研究。

一種能夠預測「膝關節磁共振影像檢查」異常的演算法。

這個演算法主要用於膝關節磁共振影像影像檢查中的一般異常檢測與特殊診斷，特殊診斷分別是前十字韌帶撕裂和半月板撕裂。

在實際的測試中，模型在異常檢測、前十字韌帶撕裂檢測和半月板撕裂檢測方面的精度分別為93.7%、96.5%和84.7%，與普通的放射科醫生相比，性能指標沒有顯著差異。

也就是說，它已經媲美醫生了。研究結果顯示，在一些方面，還超過了人類醫生。

研究方法

數據集

研究採用的數據集來自斯坦福大學。2011年1月1日到2012年12月31日期間，斯坦福大學醫學中心收集了1370例膝關節磁共振影像檢查數據。

其中，異常檢測中有1104例（80.6%）；前十字韌帶撕裂319例（23.3%）；半月板撕裂508例(37.1%)； 前十字韌帶撕裂和半月板撕裂同時發生194例(38.2%)。

在研究中，數據集被分為三個部分。分別是訓練集：1130例檢查數據，1088名患者；調優集：120例檢查數據，111名患者；以及驗證集：120例檢查數據，113名患者。為了更好的構建驗證集和調優集，使用了分層隨機抽樣，確保每個數據集中有50個「積極的」標籤（異常、前十字韌帶撕裂和半月板撕裂）出現。每個患者的所有檢測結果都是一樣的。

外部驗證數據集使用的是來自Clinical Hospital Centre Rijeka的前十字韌帶損傷數據集，數據集一共有917個檢測案例，作者將前十字韌帶損傷的程度將數據集標籤分成了3個等級：非受傷(690)、部分撕裂(172)和完全撕裂(55)。

在吳恩達團隊的研究中，使用了分層隨機抽樣，將數據集按照60:20:20的比例分成了訓練、調優和驗證三個數據集。

具體的過程是：先在沒有對外部數據進行再訓練的情況下直接應用MRNet，然後使用外部數據中的訓練集和調優集對MRNet進行優化。

分類任務是區分未受傷的前十字韌帶和受傷的前十字韌帶（部分撕裂或完全撕裂）。

模型設計

預測模型的主要組成部分是MRNet：一個卷積神經網路（CNN）圖像分析系統，能夠把3D的磁共振影像映射為概率。

MRNet的輸入尺寸是s×3×256×256。其中s是磁共振影像系列中的圖像數量（3是彩色通道的數量）。

首先，把每個2D的磁共振影像圖像切片，通過特徵提取器，獲得包含每個切片特徵的s×256×7×7張量。

然後應用全局平均池層，將這些特徵減少到s×256。接著對切片應用最大池化，以獲得256維向量，將向量傳遞到完全連接的層，獲得預測概率。

模型性能

應用演算法的深度學習模型，對異常檢測、前十字韌帶撕裂檢測和半月板撕裂檢測的精度分別為93.7%、96.5%和84.7%，與普通的放射科醫生相比，性能指標沒有顯著差異。

不過在檢測前十字韌帶撕裂的時候，醫生比模型的敏感度更高（不容易漏診，但容易誤診），在檢測半月板撕裂的時候，醫生有更高的特異性（不容易誤診）。

需要注意的是，在使用模型輔助的臨床效用測試中，前十字韌帶撕裂的特異性平均提高了0.048(4.8%) ，健康患者被誤診為前十字韌帶撕裂的幾率大大降低。也就說，每100例健康患者中，大約有5例可以避免不必要的手術治療。

整體而言，這個模型的性能已經不差於人類醫生了，甚至在某些方面還要好於人類醫生。

難怪吳恩達會在Twitter上表示，希望這個系統能夠儘快部署，去幫助人類。

不過，論文中也提到了，最好的情況還是系統與人類醫生合作，輔助人類醫生對疾病進行診斷。

關於論文與傳送門

研究論文已經發表在了《PLOS medicine》上。

地址：

https://journals.plos.org/plosmedicine/article?id=10.1371/journal.pmed.1002699

One More Thing

今天Facebook人工智慧團隊的負責人Yann LeCun也在Twitter上發布消息稱，Facebook和紐約大學醫學院開源了新的深度學習工具，以配合紐約大學最近發布的大型磁共振影像數據集。

配圖也是一個膝關節磁共振圖像……

鏈接：https://code.fb.com/ai-research/fastmri/

—完—

年度評選申請

加入社群

量子位AI社群開始招募啦，歡迎對AI感興趣的同學，在量子位公眾號（QbitAI）對話界面回復關鍵字「交流群」，獲取入群方式；

此外，量子位專業細分群(自動駕駛、CV、NLP、機器學習等)正在招募，面向正在從事相關領域的工程師及研究人員。

進專業群請在量子位公眾號（QbitAI）對話界面回復關鍵字「專業群」，獲取入群方式。（專業群審核較嚴，敬請諒解）

誠摯招聘

量子位正在招募編輯/記者，工作地點在北京中關村。期待有才氣、有熱情的同學加入我們！相關細節，請在量子位公眾號(QbitAI)對話界面，回復「招聘」兩個字。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！