準確率高達97%，UCF醫療AI檢測早期肺癌

公開日: 2018-10-21

選自VB

原文|Kyle Wiggers

烏鎮智庫編譯

根據美國癌症協會（ACS）公布的數據顯示，在全球癌症死亡率最高的是肺癌，每年超過15,400人死於肺癌，這個數字比結腸癌、乳腺癌和攝護腺癌加起來都要高。

如果能在癌症早期發現，患者生存的幾率自然更高，在肺癌擴散後確診的患者中，只有4%的患者能再多活5年。近些年不少機構利用電腦視覺和機器學習幫助臨床醫生更早、更準確發現腫瘤。

最近在arxiv上的一篇論文（「Single-Shot Single-Scale Lung Nodule Detection「）詳細闡述利用卷積神經網路的機器學習模型，用於肺部檢測，佛羅裡達大學電腦視覺研究中心（CRCV）的研究人員們宣稱，該模型識別肺癌早期小結節的靈敏度高達95-97%。

他們的研究建立在今年9月份紐約大學研究人員的基礎之上。此前紐約大學重新訓練Google的Inception v3，這個開源的卷積神經網路，能夠準確檢測某些形式的肺癌，準確率高達97%。

他們的模型使用公開的掃描圖進行訓練（強調公開，也許是最近醫療數據敏感所致？），該團隊認為，不論是從效率和準確性方面來講，他們的模型優於當前的文獻，而且是第一個只需要一步就完成肺結節檢測的研究。

該系統名為S4ND，36層卷積層，考慮整個掃描上下之間的關係，預測細胞中是否存在結節，其中一些細胞的尺寸小於3mm。

研究人員在NVIDIA Titan XP GPU工作站上，使用Luna dataset（一個公開的，由人類放射科醫生標記的CT肺癌掃描數據集）888張CT掃描訓練，為了測試準確性，檢測性能時在掃描件上挪動32個像素，再次進行檢測測試。

測試的結果是S4ND在處理結節紋理、形狀和位置變化方面要明顯優於傳統的電腦輔助檢測系統。研究人員將自然物體探測網路和肺結節檢測方法進行比較，同時通過LUNA dataset測試驗證，成果喜人，他們未來的方向是將檢測和診斷銜接契合，應用實踐。

論文地址：https://arxiv.org/pdf/1805.02279.pdf