2018年8月14日报告
使用DeepMind的神经网络学习系统诊断眼部疾病
三个机构合作应用DeepMind神经网络学习系统的任务是发现和诊断眼部疾病。眼科医院一直在与谷歌的DeepMind医疗子公司和伦敦大学学院的努力,并记录他们的进展发表的一篇论文自然医学。
研究人员注意到,眼科医生目前使用的机器执行光学相干断层扫描(10月)病人如果他们有一个发现眼科疾病。虽然技术是非常有用的和准确的,它需要训练有素的医生花时间看结果。研究人员认为这将创建一个待办事项列表,有时可以防止病人及时得到他们所需要的护理,使他恢复了视力。在这个新的工作,研究人员系统建立在DeepMind神经网络学习系统来看看这样一个系统可以帮助医生更快地评估患者是否需要紧急护理。
系统的团队放在一起由两个神经网路,首先分析10月扫描的结果并提供可能的问题区域的地图。第二个研究第一个神经网络提供的地图,然后提供临床医师诊断和建议关于接下来需要发生什么时,对于一个给定的耐心。最重要的是,它可以在短短几分钟来完成自己的工作,提高对高危病人复苏的机会。系统的训练,使它从7500年10月15000扫描病人及相关诊断由医生。研究人员强调系统的目的并不是替换训练有素的眼科医生,但是更快地帮助识别那些最需要紧急护理。研究小组希望他们的系统可以在不久的将来进入临床试验。
许多面向应用的研究只是一个深度学习卫生保健的力量。在另一个例子中,Eric Oermann领导的研究小组用CT扫描37200个人类正面训练一个神经网络协助诊断神经系统疾病。他们的努力的结果发表在同一期自然医学。
更多信息:- DeepMind的博客:deepmind.com/blog/moorfields-major-milestone/
——杰弗里·德Fauw et al。临床上适用深度学习在视网膜疾病诊断和咨询,自然医学(2018)。DOI: 10.1038 / s41591 - 018 - 0107 - 6
文摘
诊断成像的数量和复杂性增加的速度快于人类专家来解释它的可用性。人工智能已经显示出巨大的希望在二维的照片分类一些常见疾病,通常依赖于数据库的注释的图像。直到现在,挑战的专家医生的性能在实际临床路径与三维诊断扫描仍然没有解决。这里,我们应用一个小说深度学习架构一套临床异构的三维光学相干断层扫描从病人主要的眼科医院。我们证明性能在转诊的建议,达到或超过了专家在一系列影响视觉训练只有14884扫描后视网膜疾病。此外,我们证明我们生产的组织分割架构作为与设备无关的表示;推荐精度在使用维护组织分割的不同类型的设备。工作删除以前的障碍更广泛的临床使用没有禁止性的训练数据跨多个病态在现实生活环境的要求。
©2018医疗bob游戏Xpress
