|簡體中文

比思論壇

 找回密碼
 按這成為會員
搜索



查看: 560|回復: 0
打印 上一主題 下一主題

港大工程团队开发新算法 优化人工智能医学图像分析技术

[複製鏈接]

5229

主題

1

好友

1萬

積分

教授

Rank: 8Rank: 8

  • TA的每日心情

    2024-4-17 22:16
  • 簽到天數: 247 天

    [LV.8]以壇為家I

    推廣值
    0
    貢獻值
    1
    金錢
    7461
    威望
    15989
    主題
    5229
    跳轉到指定樓層
    樓主
    發表於 2022-6-11 14:16:44 |只看該作者 |倒序瀏覽

    据香港商报网报道,香港大学工程学院的研究团队开发一种新人工智能演算方法,能够从数十万份X射线影像报告中自动获取监督信号来训练预测模型,大幅减省人力成本达90%,其预测的准确度更超越用全由人手标注的数据训练人工智能医学图像诊断模型。

    港大工程学院计算机科学系教授俞益洲指,人工智能推动的医学图像诊断极具潜力,可以减轻医学专家的工作量及提高诊断效率和准确性,包括节省诊断时间及检测一些不易察觉的异常迹象。

    据了解,该方法利用人工智能直接从文本报告中学习X射线特征表达。它与严重依赖人手标注的传统方法相比可自动从文本报告中的每个词获取监督信号,用以训练人工智能神经网络精确解读X射线影像。

    俞益洲相信医生撰写的X射线影像报告中抽象而复杂的逻辑推理语句,能够为训练X射线影像的视觉特征提供足够信息。

    此外,研究团队利用公开数据库37万份X射线影像和文本报告作为训练模型的基础,涵盖14种胸肺相关疾病包括肺不张、心脏肥大、胸腔积液、肺炎和气胸等医疗诊断数据;团队仅使用100张X射线影像便建立一个初步令人满意的X射线影像识别模型,其预测准确度达83%。当使用的影像增加到1000张,模型的预测准确度达88.2%,超越用放射科医生标注10000张X射线影像进行训练的模型(87.6%)。而当训练影像增加到10000张,模型准确度达到90.1%;预测模型准确度达85%以上已可作实际临床诊断应用。

    论文第一作者周洪宇指研究团队利用该方法成功地将数据标注量降低90%,从而降低开发成本并同时提高数据处理量和速度、预测准确度也有提高,这为实现通用医疗人工智能迈出重要一步。


    您需要登錄後才可以回帖 登錄 | 按這成為會員

    重要聲明:本論壇是以即時上載留言的方式運作,比思論壇對所有留言的真實性、完整性及立場等,不負任何法律責任。而一切留言之言論只代表留言者個人意見,並非本網站之立場,讀者及用戶不應信賴內容,並應自行判斷內容之真實性。於有關情形下,讀者及用戶應尋求專業意見(如涉及醫療、法律或投資等問題)。 由於本論壇受到「即時上載留言」運作方式所規限,故不能完全監察所有留言,若讀者及用戶發現有留言出現問題,請聯絡我們比思論壇有權刪除任何留言及拒絕任何人士上載留言 (刪除前或不會作事先警告及通知 ),同時亦有不刪除留言的權利,如有任何爭議,管理員擁有最終的詮釋權。用戶切勿撰寫粗言穢語、誹謗、渲染色情暴力或人身攻擊的言論,敬請自律。本網站保留一切法律權利。

    手機版| 廣告聯繫

    GMT+8, 2024-12-10 01:10 , Processed in 6.635279 second(s), 25 queries , Gzip On.

    Powered by Discuz! X2.5

    © 2001-2012 Comsenz Inc.

    回頂部