电话咨询 在线咨询 产品定制
电话咨询 在线咨询 产品定制
010-68321050

人工智能新动态:检测癌症有新方法

五度易链 2018-10-23 2091 125

专属客服号

微信订阅号

科技最前沿

剖析产业发展现状

为区域/园区工作者洞悉行业发展

近日,谷歌的研发人员开发了一种深度学习工具,使用两套病理载玻片训练其算法(Lymph Node Assistant,又称LYNA)识别肿瘤的特征,使其能够在各种条件下发现转移。实验显示,转移性乳腺癌的检测精度测试中,LYNA的准确率达到99%,这比人类病理学家更胜一筹。即使是及其微小的转移,人工智能都能够准确的分辨。

【产业链图谱 | 人工智能产业链图谱_人工智能产业链全景图】

【研究报告 | 人工智能行业研究报告】

  人工智能技术现已经开始影响生物医药行业,谷歌最近发现了新技术能够对乳腺癌进行筛查,并且被证明准确率已经高达99%,这项技术的影响重大,有很深的研究意义。

  乳腺癌现今检查需要进步

  据不完全统计,仅2012年全球诊断出近170万例乳腺癌病例,乳腺癌成为女性癌症死亡的第五大常见原因。目前乳房X光检查是一种广泛用于早期乳腺癌的检查手段。

  但据调查研究表明,如今乳房X线图像分析准确率较低,大约20%的乳房X线图像存在假阴性,这意味着可能存在医生或技术人员未发现的癌症现象。同时,乳房X线图像的假阳性也是一个重要问题。

  在美国,连续10年中进行年度乳房X光检查的女性,有超过50%会出现假阳性结果,从而导致了一系列不必要的检查和化疗。“而这些都可能给患者带来压力,并“给世界各地的医疗服务增加压力和成本,”DeepMind健康部门的临床负责人Dominic King说。

  谷歌新工具识别准确率为99%

  近日,谷歌的研发人员开发了一种深度学习工具,使用两套病理载玻片训练其算法(Lymph Node Assistant,又称LYNA)识别肿瘤的特征,使其能够在各种条件下发现转移。实验显示,转移性乳腺癌的检测精度测试中,LYNA的准确率达到99%,这比人类病理学家更胜一筹。即使是及其微小的转移,人工智能都能够准确的分辨。

  人工智能识别癌症采用了深度学习

  在据了解,LYNA基于Inception-v3,这是一种开源图像识别深度学习模型,已被证明可以在斯坦福的ImageNet数据集上实现78.1%的准确率。

  正如研究人员解释的那样,它需要一个299像素的图像(Inception-v3的默认输入大小)作为输入,并且在训练过程中,提取组织贴片的标签,预测肿瘤为良性或者恶性,并调整模型的算法权重以减少误差。在测试中,LYNA实现了99.3%的幻灯片级精度。当调整模型的灵敏度阈值以检测每张载玻片上的所有肿瘤时,其灵敏度为69%。

  LYNA能准确识别评估数据集中的所有40个转移灶,没有任何误报。此外,它不受载玻片中的人工制品的影响,例如气泡,加工不良,出血和过度涂抹。

  当然,LYNA并不完美,它偶尔错误地把巨细胞、生发癌和骨髓来源的白细胞称为组织细胞,但是它设法比负责评估相同载玻片的执业病理学家表现更好。

  这项技术采用的是深度学习算法,通过人工智能技术参与到检测乳腺癌的工作中,让检测工作更加容易,及时的发现治疗对治疗病症大有帮助。


本文由五度数科整理,转载请标明出处,违者必究!

评论

产业专题

申请产品定制

请完善以下信息,我们的顾问会在1个工作日内与您联系,为您安排产品定制服务

  • *姓名

  • *手机号

  • *验证码

    获取验证码
    获取验证码
  • *您的邮箱

  • *政府/园区/机构/企业名称

  • 您的职务

  • 备注