0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

研究人员开发出深度学习算法用于患者的诊断

姚小熊27 来源:TechWeb.com.cn 作者:TechWeb.com.cn 2020-11-16 09:15 次阅读

11月14日是世界糖尿病日。目前,全球防控糖尿病的形势仍然严峻。国际糖尿病联合会的数据显示,在2019年,全球约有4.63亿20岁到79岁的成年人患有糖尿病,到了2045年,预计这一数字将上升至7亿;同时,这一疾病还造成了至少7600亿美元的医疗支出,占到了全球成年人总医疗支出的10%。

特别值得注意的是,约有79%的糖尿病患者生活在低收入和中等收入国家,而在那些医疗技术不发达或者医疗资源紧张的地方,糖尿病及其并发症往往得不到及时的诊断和治疗。例如,作为当下增长最快的致盲病因,虽然糖尿病视网膜病变(Diabetic Retinopathy)在早期发现后完全可以得到妥善的治疗,但因为很多情况下没有足够多的医生来为所有糖尿病患者进行及时的诊断,它常常导致不可逆的失明。

医疗技术应当对所有人都有所帮助,为了应对这一挑战,改善糖尿病视网膜病变筛查,人们已经做出了很多努力。Google AI的研究人员们就利用机器学习计算机视觉领域的最新进展,开发了一种能够通过眼部扫描图像判断患者的视网膜是否发生了病变的深度学习算法

现在眼科医生诊断糖尿病视网膜病变的常用方法之一是观察眼部扫描图像,寻找病变征兆(包括微动脉瘤、出血、硬性渗出物等等),并判断其严重程度。当然,掌握准确解读扫描图像的能力,需要经过相当专业的培训。然而,在世界上很多地方,具备这一能力的医生的数量并不能满足当地糖尿病患者的筛查需求。

以帮助医生们在医疗资源有限的情况下检查更多的病人为目标,Google与印度和美国的医生们密切合作,创建了一个包含12.8万张眼底扫描图像的数据集,里面的每张照片都经过了由54名眼科医生组成的小组中的3-7位医生的专业评估。基于这个数据集,Google训练出了一个检测糖尿病视网膜病变的深度神经网络

算法训练完成的下一步就是测试它的性能。为此,Google安排它在由1.2万张眼底扫描图像组成的两个独立临床验证集上,与由上述54位医生中一致性较高的8位组成的新小组进行“竞赛”。以7到8位经美国专业委员会认证的视网膜专家中多数人的诊断结果作为参考标准,这一算法的F-score达到了0.95,好于医生小组的0.91。所谓F-score,它的最大值是1,其衡量综合了敏感性与特异性两大指标,敏感性,指的是降低漏诊的能力,特异性,则意味着避免误诊的能力。

在发表算法之后,Google的研究人员们并没有止步,而是继续提高它的性能和可解释性。在这一过程中,检测的分级尺度更加细化,由最初的2级变为后来的5级;临床验证的参考标准也从视网膜专家中的多数意见更改为他们经讨论之后达成的一致意见,这一新标准既提高了精准度,也有助于发现那些最细微的病变,如微动脉瘤。

要想让这一算法成为真正有效的诊断工具,还需要确保它在临床环境中的适应性、透明度和可信度。换句话说,需要以适当的方式向医生们展示算法给出的诊断结果,帮助提高他们进行糖尿病眼病诊断时的准确性和信心。

为了实现这一点,Google采用的解决方案是,向眼科医生们展示算法对糖尿病视网膜病变的不同等级的预测分数(Model Score),同时突出显示算法做出预测所依据的最主要区域的热图。如下图所示,在没有算法辅助时,3名眼科医生中有2名没有从眼部扫描图像中发现糖尿病视网膜病变的迹象,而在算法的帮助下,它们都给出了准确的结果。可以说,算法确实能够促使医生们更仔细地检查病理,留意到那些容易被忽略的细节。

目前,这一研究已经进入了临床应用的阶段。2019年,Google和同属Alphabet的生命科学和医疗公司Verily合作,在印度马杜赖市(Madurai)的Aravind眼科医院首次实际应用了这一算法。首先,由经过训练的工作人员拍摄患者的眼部图像,然后通过软件将它上传到检测算法中,算法会自动检测其中的糖尿病视网膜病变和糖尿病性黄斑水肿(Diabetic Macular Edem)症状,返回筛查结果。

此外,Google也在泰国巴吞他尼府和清迈府的诊所里进行了实地研究,研究这一算法如何更好地用于糖尿病护理中的眼部筛查。例如,针对护士们拍摄的眼部扫描图像中常常存在模糊或暗区,算法会把它们标记为“无法分级”这一问题,Google改进了它的实际应用流程,让专家们在查看患者病历的同时,帮忙检查这些图像,而不是将它们一律转诊给眼科医生。这一做法减少了不必要的误诊,也节约了医生和患者的时间。
责任编辑:YYX

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 医疗
    +关注

    关注

    8

    文章

    1822

    浏览量

    58738
  • AI
    AI
    +关注

    关注

    87

    文章

    30728

    浏览量

    268891
  • 深度学习
    +关注

    关注

    73

    文章

    5500

    浏览量

    121113
收藏 人收藏

    评论

    相关推荐

    FPGA做深度学习能走多远?

    ,FPGA 也需要不断适应和改进。研究人员开发者将致力于针对 FPGA 的特点对深度学习算法进行优化,例如探索更高效的模型压缩方法、量化技
    发表于 09-27 20:53

    深度识别算法包括哪些内容

    :CNN是深度学习中处理图像和视频等具有网格结构数据的主要算法。它通过卷积层、池化层和全连接层等组件,实现对图像特征的自动提取和识别。 应用领域 :CNN在图像识别、目标检测、视频分析、人脸识别等领域取得了巨大成功,被广泛应
    的头像 发表于 09-10 15:28 365次阅读

    PyTorch深度学习开发环境搭建指南

    PyTorch作为一种流行的深度学习框架,其开发环境的搭建对于深度学习研究者和
    的头像 发表于 07-16 18:29 999次阅读

    深度学习算法在嵌入式平台上的部署

    随着人工智能技术的飞速发展,深度学习算法在各个领域的应用日益广泛。然而,将深度学习算法部署到资源
    的头像 发表于 07-15 10:03 1331次阅读

    利用Matlab函数实现深度学习算法

    在Matlab中实现深度学习算法是一个复杂但强大的过程,可以应用于各种领域,如图像识别、自然语言处理、时间序列预测等。这里,我将概述一个基本的流程,包括环境设置、数据准备、模型设计、训
    的头像 发表于 07-14 14:21 2166次阅读

    深度学习中的时间序列分类方法

    时间序列分类(Time Series Classification, TSC)是机器学习深度学习领域的重要任务之一,广泛应用于人体活动识别、系统监测、金融预测、医疗
    的头像 发表于 07-09 15:54 877次阅读

    研究人员利用人工智能提升超透镜相机的图像质量

    研究人员利用深度学习技术提高了直接集成在 CMOS 成像芯片上的超透镜相机(左)的图像质量。超透镜利用 1000 纳米高的圆柱形氮化硅纳米柱阵列(右图)操纵光线。 研究人员利用
    的头像 发表于 06-11 06:34 374次阅读
    <b class='flag-5'>研究人员</b>利用人工智能提升超透镜相机的图像质量

    咳嗽检测深度神经网络算法

    [10]。许多咳嗽检测算法在临床行业中流行,用于识别和检测咳嗽声音,以获得有价值的见解。但是,从实时音频流中检测咳嗽的方法仍然很少。医生利用咳嗽声和非咳嗽声的良好辨别性[11]有助于早期诊断慢性咳嗽
    发表于 05-15 19:05

    鼾声监测神经网络

    证明了这些方法在打鼾识别中的有效性。然而,由于打鼾声音的多样性和非线性,确定最佳特征集仍然具有挑战性。 为了应对特征提取的挑战,研究人员成功地将深度学习算法
    发表于 05-15 12:14

    一种利用光电容积描记(PPG)信号和深度学习模型对高血压分类的新方法

    深度神经网络在计算机视觉任务中的有效性,并为开发更强大、更复杂的神经网络架构铺平了道路。 ResNet-50是一种深度神经网络架构,由研究人员Kaiming He、XiangyuZh
    发表于 05-11 20:01

    研究人员开发出高性能p型非晶氧化物半导体

    和 107 的开/关电流比,与早期 n 型氧化物薄膜晶体管的关键电气属性非常相似。此外,薄膜晶体管在长时间偏置应力下表现出显著的稳定性以及大面积薄膜的均匀性。 图源:浦项工科大学 研究人员合作开发了碲硒复合氧化物半导体材料。他们成功创造了高性能和高稳定性的p型薄膜晶体管(
    的头像 发表于 04-30 14:58 488次阅读
    <b class='flag-5'>研究人员</b><b class='flag-5'>开发出</b>高性能p型非晶氧化物半导体

    深度解析深度学习下的语义SLAM

    随着深度学习技术的兴起,计算机视觉的许多传统领域都取得了突破性进展,例如目标的检测、识别和分类等领域。近年来,研究人员开始在视觉SLAM算法中引入
    发表于 04-23 17:18 1286次阅读
    <b class='flag-5'>深度</b>解析<b class='flag-5'>深度</b><b class='flag-5'>学习</b>下的语义SLAM

    研究人员开发出新型AI辅助发音系统,让人没有声带也能说话

    电子发烧友网报道(文/李弯弯)近日,加州大学洛杉矶分校生物工程系助理教授陈俊及其团队,开发了一种可以在机器学习辅助下将喉部肌肉运动转化为语音的“柔性贴片”助听装置,这将有望帮助部分嗓音障碍患者实现
    的头像 发表于 03-28 09:11 2356次阅读

    【技术科普】主流的深度学习模型有哪些?AI开发工程师必备!

    深度学习在科学计算中获得了广泛的普及,其算法被广泛用于解决复杂问题的行业。所有深度学习
    的头像 发表于 01-30 15:26 621次阅读
    【技术科普】主流的<b class='flag-5'>深度</b><b class='flag-5'>学习</b>模型有哪些?AI<b class='flag-5'>开发</b>工程师必备!

    目前主流的深度学习算法模型和应用案例

    深度学习在科学计算中获得了广泛的普及,其算法被广泛用于解决复杂问题的行业。所有深度学习
    的头像 发表于 01-03 10:28 1927次阅读
    目前主流的<b class='flag-5'>深度</b><b class='flag-5'>学习</b><b class='flag-5'>算法</b>模型和应用案例