您当前的位置:中国日用科技网资讯正文

香港大学尹国圣教授发布新冠肺炎AI效果准确率达88%

放大字体  缩小字体 2020-05-23 19:55:25 来源:雷锋网 作者:责任编辑NO。邓安翔0215

(原标题:香港大学尹国圣教授发布新冠肺炎AI作用 准确率达88%)

近来,香港大学计算与精算学系系主任尹国圣教授联合其他多位学者宣告一篇最新论文,介绍了一个最新的新冠肺炎在线确诊体系(点击检查论文原文)。据了解,该体系对新冠肺炎确诊的准确率88%、AUC值93%、敏感度86%、特异度90%,

参加这项研讨的人员,还有西南财经大学计算学院助理教授刘斌博士、研讨生高晓雪、何孟霜、刘霖以及刘斌博士的搭档吕凤毛(西南财经大学计算学院助理教授)。

现在,论文正在评定中,可是COVID-19确诊体系现已在线、免费运用,Python程序及数据彻底开源(开源地址:https://github.com/xiaoxuegao499/LA-DNN-for-COVID-19-diagnosis)

尹国圣教授表明,经过对非典疫情及各类流感病毒的研讨,香港大学一直都走在国际科研的最前沿。2003年非典期间,深圳和香港的科研人员就曾联合宣告,从果子狸等野生动物体内找到非典病毒前体。

根据生物计算和临床试验方向的多年研讨经历,从2020年1月底,尹国圣教授带领的研讨团队开端测验一些新冠肺炎方面的研讨,根据CT图画确诊是其间一项作业。

可是,因为没有揭露的CT图画数据集,团队需求花很多的时刻去寻觅敞开的样本并对样本进行符号。

后来,medRxiv上有一项作业,整理了一些关于新冠患者CT图画剖析的论文预印本。该论文从medRxiv和bioRxiv文章的预印本中提取了746张患者的CT图画,并练习了一个新冠患者二分类的神经网络。

但是,其效果显现的猜测作用还未能到达临床规范。

尹国圣教授以为,一个原因是样本量较小,另一个重要原因是没有充沛的运用CT图画样本本身丰厚的标示信息。这批CT数据跟传统的医疗图画数据最大的差别是,每个样本都来自一篇医学印象学论文。

在这些文章中,临床医师对新冠患者的胸部CT病灶特征做了具体的描绘,有些还和其他常见肺部疾病的病灶特征做了细心的比照剖析。

因而,在尹教授看来,“这批数据,尽管样本数量有限,但信息量极大,是一个具有代表性,价值百科很高的数据集。”

研讨人员进一步对样本顺便的文本信息进行了针对性的研讨,发现760篇论文涵盖了关于新冠肺炎的五种病灶(Lesion)的描绘,其间每个患者CT印象上均会呈现其间一种或许多种病灶。经过对新冠确诊患者的CT图画的确诊描绘做多元化的剖析,这五种病灶是印象学上对新冠肺炎确诊的首要规范。

所以,团队规划出一个根据CT图画的Lesion-Attention深度神经网络模型(LA-DNN)。

模型一方面学习图画中能够区别新冠患者和非新冠患者的特征,另一方面把模型的“注意力”会集在病灶区域,即学习多标签病灶,这便是团队提出的LA-DNN(Lesion-Attention Deep Neural Networks)模型,好像临床医师经过CT图画判别病况时会偏重重视反常的病灶区域而略过正常区域相同,模型一起练习两个使命,彼此和谐,然后使得模型功能得到明显的提高,其各项目标均到达了临床规范。

一起,团队也采用了搬迁学习,即运用预练习的VGG、DenseNet等神经网络来作为模型的主干网络。

新冠CT图画确诊体系上线后,团队依然在持续搜集新的样本,在线体系的练习样本比开始的样本数量翻了一倍,并定时从头练习模型,在线体系的作用比论文中的效果又有提高。

关于该作用未来的运用方向,尹教授表明,期望前哨抗击疫情的医务人员运用该体系,共享数据、展开协作研讨,协助进一步测验和改善体系。

“现在,我国的疫情得以操控,而其他许多国家和地区依然存在很大压力,期望该体系能够在疫情依然严峻的区域发挥作用,减轻核酸检测的担负。”

延伸阅览

  • "头铁"拼多多对撼阿里!亏了41亿 但全国超6亿人在用
  • 对话雷军:商业航天实质是从科研转为工业
  • 过惯了好日子的阿里,总算也过了次苦日子

“如果发现本网站发布的资讯影响到您的版权,可以联系本站!同时欢迎来本站投稿!