參與人工智能檢測(cè)早期癌癥的jhu研究團(tuán)隊(duì)，它們?cè)诮鉀Q訓(xùn)練人工智能算法檢測(cè)癌癥所需的高質(zhì)量數(shù)據(jù)的缺乏方面發(fā)揮重要作用。這種短缺源于在醫(yī)學(xué)掃描中識(shí)別腫瘤的具有挑戰(zhàn)性的過程，這可能非常耗時(shí)，因?yàn)樗ǔＲ蕾囉诓±韴?bào)告和活檢確認(rèn)。例如，只有大約200張公開的CT掃描圖帶有肝臟腫瘤的注釋，這對(duì)于訓(xùn)練和測(cè)試人工智能模型來檢測(cè)早期癌癥來說是微不足道的。

　　該團(tuán)隊(duì)與放射科醫(yī)生合作，設(shè)計(jì)了一種四步合成現(xiàn)實(shí)腫瘤的方法。首先，他們?yōu)槿嗽炷[瘤選擇了避免與周圍血管碰撞的位置。接下來，他們添加了隨機(jī)的“噪聲”模式，這樣他們就可以生成在真實(shí)腫瘤上發(fā)現(xiàn)的不規(guī)則紋理，并生成反映真實(shí)腫瘤不同輪廓的形狀。最后，他們模擬了腫瘤擠壓周圍環(huán)境的傾向，這改變了它們的外觀。研究人員說，合成的腫瘤是超現(xiàn)實(shí)的，并且通過了視覺圖靈測(cè)試——也就是說，即使是醫(yī)學(xué)專業(yè)人員在視覺檢查中也會(huì)把它們和真實(shí)的腫瘤混淆。

　　然后，該團(tuán)隊(duì)只使用這些合成腫瘤訓(xùn)練了一個(gè)人工智能模型。他們說，由此產(chǎn)生的模型明顯優(yōu)于之前類似的方法，并且可以達(dá)到與在真實(shí)腫瘤上訓(xùn)練的人工智能模型相當(dāng)?shù)男阅堋?/p>

　　來自華中科技大學(xué)的研究人員、團(tuán)隊(duì)成員胡啟新表示:“我們的方法令人興奮，因?yàn)榈侥壳盀橹梗€沒有任何一項(xiàng)單獨(dú)利用合成腫瘤的研究，能達(dá)到人工智能在真實(shí)腫瘤上訓(xùn)練的類似甚至相當(dāng)?shù)男Ч！薄按送猓覀兊姆椒梢宰詣?dòng)生成大量小型甚至微型合成腫瘤的例子，這有可能提高人工智能驅(qū)動(dòng)的腫瘤檢測(cè)的成功率。檢測(cè)小腫瘤對(duì)于確定癌癥的早期階段至關(guān)重要。”

　　根據(jù)Yuille的說法，該團(tuán)隊(duì)的方法也可用于生成數(shù)據(jù)集和訓(xùn)練模型，以識(shí)別目前缺乏注釋腫瘤數(shù)據(jù)的其他器官中的癌癥。該團(tuán)隊(duì)目前正在研究先進(jìn)的圖像處理技術(shù)，以在肝臟、胰腺和腎臟中產(chǎn)生合成腫瘤，但也希望將其擴(kuò)展到身體的其他部位。

　　“這個(gè)項(xiàng)目的最終目標(biāo)是合成人體內(nèi)的各種異常，包括腫瘤，用于人工智能的開發(fā)，這樣放射科醫(yī)生就不必花費(fèi)寶貴的時(shí)間進(jìn)行手動(dòng)注釋，”胡說。“這項(xiàng)研究朝著這個(gè)目標(biāo)邁出了重要的一步。”

　　Yuille團(tuán)隊(duì)的其他研究人員包括約翰霍普金斯大學(xué)的博士生陳義雄、肖俊飛、陳杰能和魏晨，以及助理研究科學(xué)家周宗偉。中國科學(xué)技術(shù)大學(xué)的陳琦、熊志偉、南京醫(yī)科大學(xué)第一附屬醫(yī)院的孫淑文、伊利諾伊大學(xué)香檳分校的陳曉曦和哥倫比亞大學(xué)的宋浩睿也參與了這項(xiàng)研究。

　　以上是關(guān)于jhu研究員利用人工智能檢測(cè)早期癌癥的全部新聞，了解最新美國留學(xué)資訊，歡迎大家添加VX：Tops6868，托普仕出國留學(xué)擁有多年名校申請(qǐng)經(jīng)驗(yàn)，幫助您實(shí)現(xiàn)出國讀書夢(mèng)。