médecin auxiliaire le diagnostic des maladies L'IA, est devenu de plus en plus commun.
Dans le passé, chaque AI manger du département de radiologie à beaucoup, beaucoup Les données d'image , Pour en savoir diagramme caractéristique, il peut être maîtrisé.
Dataset plus le meilleur, plus les données sont diversité Le meilleur (seul échantillon ne peut pas être trop). Mais par rapport aux résultats sains, les chercheurs Impossible de trouver tant de maladies d'image Disponible.
Aujourd'hui, le diagnostic médical AI doivent encore être nourris avec un grand nombre de données, mais pas nécessairement avec radiologie prises réelles Les images.
NVIDIA collaboration avec les institutions médicales publiques, le développement d'un médicament GAN , Utilisé pour générer le cerveau RMN (IRM) images, spécialisée dans La tumeur du cerveau Reconnaissance.
Ils ont dit que, après l'ensemble de données ne sont pas assez grand pour inquiéter, pas les riches.
Il améliorer les capacités de diagnostic
Faites l'imagerie par résonance magnétique de la tête d'un grand nombre de personnes, la plupart des résultats des tests peuvent encore normal .
L'utilisation d'un tel ensemble de données pour former l'IA, voir la suite La tumeur du cerveau Les circonstances, les capacités de diagnostic seront limites.
NVIDIA GAN, pour générer Les modifications pathologiques Les images du cerveau. Pour l'ensemble de données de formation, rempli anormal Cette partie.
Seulement AI, est PyTorch mis en place, puis la formation sur la plate-forme NVIDIA DGX.
Modèle est divisé en trois parties:
Tout d'abord, faire Builder segmentation sémantique cerveau juges discriminateur vrai ou faux;
Deuxième génération d'occasion segmentation sémantique de la tumeur générer images IRM juges discriminateur vrai ou faux;
Troisièmement, faire Builder segmentation sémantique de la tumeur Discriminateur détermine authenticité.
GAN manger ensemble de données a deux, l'un est le programme de neuroimagerie d'Alzheimer ( ADNI ), Autres tumeurs du cerveau est multimodal un critère de division d'image ( BRATS ). Dans laquelle 20% de BRATS réservés test Set .
Après la formation est terminée, GAN produit de fausses images IRM Lifelike presque.
images IRM avec image réelle et synthétique IRM ensemble de données mixtes La formation diagnostic AI, le taux correct 80% Lorsque seule la véritable formation d'image (64%), beaucoup amélioré.
Apprécier les données relatives à la diversité
Il y a beaucoup de cas de tumeurs du cerveau, GAN a également besoin de générer des résultats variés, afin de mieux le diagnostic.
Portail papier:
https://arxiv.org/pdf/1807.10225.pdf
- complet -
recrutement sincère
Qubits recrutent éditeur / journaliste, basé à Zhongguancun de Beijing. Nous attendons de talent, des étudiants enthousiastes de nous rejoindre! Détails, s'il vous plaît interface de dialogue qubit numéro public (QbitAI), réponse mot "recrutement".
qubit QbitAI · manchettes sur la signature de
' « suivre les nouvelles technologies AI dynamiques et de produits
