?

內容來源：ATYUN AI平臺

美國國立衛生研究院（NIH）的研究人員開發了一種基于深度學習的系統來自動檢測肺結節，即肺中的小的圓形或卵形增生。

研究人員在論文中寫道，“深度學習取得了重大的成功。然而，足以覆蓋人口多樣性的大量的訓練樣本，對于產生高質量的結果往往是必要的。但由于以下幾個原因，醫學圖像領域的數據可用性，特別是涉及病理時的數據可用性非常有限：如顯著的圖像采集成本，對敏感患者信息的保護，有限的疾病病例數量，數據標記困難以及地點，規模的巨大差異。”

團隊使用NVIDIA Tesla GPU和cuDNN -accelerated Caffe深度學習框架，以及1千個肺部結節圖像來訓練他們的條件生成對抗性網絡。一旦訓練完成，該系統會生成數千個額外的人造肺結節圖像。

?

用于肺部結節發生的3D CGAN結構。輸入是原始的CT VOI，y包含一個真實的結節和相同的VOI ，x中心區域被擦除。通道號碼放置在每個功能圖的旁邊。

團隊表示，“我們的系統提供了一種可行的方法來幫助克服在醫學圖像中獲取邊緣病例數據的困難，并且我們證明GAN合成的數據可以提高模型對病態肺部的區分，我們的CGAN方法可以提供有效且通用的方法，來幫助克服在醫學成像中收集數據集的瓶頸。”

?

與其他三個神經網絡比較的肺部分割結果

當與其他三個神經網絡相比較時，CGAN方法在骰子分數，Hausdorff和平均表面距離方面產生了更好的結果。骰子分數從0.964提高到0.989，Hausdorff和平均表面距離分別減少了2.4毫米和1.2毫米。研究人員表示，在視覺質量方面，擬建的網絡在分割掩模質量方面有了相當大的改進。

本文轉自ATYUN人工智能媒體平臺，原文鏈接：美國國立衛生研究院利用AI自動檢測肺部異常，突破數據收集瓶頸

更多推薦

華為又放大招！發布算力最強AI處理器昇騰910，明年將開源計算框架MindSpore

Waymo公開無人駕駛汽車開源數據集

三門課程循序漸進學習Node.js

標簽：

深度學習

?

歡迎關注ATYUN官方公眾號

商務合作及內容投稿請聯系郵箱:bd@atyun.com

總結

以上是生活随笔為你收集整理的美国国立卫生研究院利用AI自动检测肺部异常，突破数据收集瓶颈的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。