斯坦福吳恩達團隊公布最大醫學影像數據集

原作 Jackie Snow

Root 編譯自 MIT Technology Review

量子位 出品 | 公眾號 QbitAI

據報道，全球現在超過17億人的肌肉骨骼都出毛病，每年大概有3千萬的急診病例，而且這個數字還在往上走。骨骼方面的問題已經成為了最常見的慢性重症。

為了加快X光片的診斷速度，近日斯坦福吳恩達領頭的研究團隊開源了含有4萬張人體上肢端的X光片的數據集MURA，並用這個數據集訓練CNN尋找並定位X光片的異常部分。

最後訓練的結果，是該模型在手指和手腕X光片中的診斷表現比放射科醫生要好些。

經過MURA訓練的模型可以準確定位出手腕和手指的異常部位

不過放射醫生依然能比模型更準確地診斷出手肘、前臂、手、上臂及肩膀的異常。

圖中綠色字體表示表現最優，紅色字體代表表現最差。模型對手指、手腕的診斷效果要比三位放射醫生的效果都要好。手肘和前臂的診斷結果比人類都差。

該神經網路含有169層。當輸入多角度的上肢X光片時，模型就可以預測出異常的概率。

模型預測X光片異常的工作流

作為最大的醫學影像數據集，MURA所含的4萬張圖都是由放射科醫生一張張標註的。

人工標註的4萬張X光片。左上，正常的手肘；右上，骨折的上臂；左下，骨骼退化的指端；右下，打了鋼板和鋼釘的尺骨和橈骨。

這四萬張圖來自近15000篇論文，其中9067篇為正常上肢骨骼肌X光片的研究，5915篇是異常研究。上肢包括肩膀、肱部、手肘、前臂、手腕、手、指端。

現在，越來越多的數據集湧現出來，給深度學習提供了非常好的條件。AI演算法在圖像識別上能逐步超越人類很大程度上得益於這些數據集的開源。下面列舉一些目前在醫學影像數據集供大家參考。

MURA目前是最大的開源醫學放射圖像數據集。第二大的數據集是Pediatric Bone，含有14236張圖，可以根據手的X光片測出人的骨齡；0.E.1是關於膝關節的數據集，可用來查出膝關節炎。

不過，依照目前AI發展的速度來看，醫學院應該停止培養放射專業的學生了。多倫多大學計算機系教授Geoffrey Hinton在接受紐約客採訪時認為。

最後，附論文鏈接：

https://arxiv.org/pdf/1712.06957.pdf

數據集要等到2月才會公布，可以持續關注Stanford ML

https://stanfordmlgroup.github.io/projects/mura/

—完—

加入社群

量子位AI社群13群開始招募啦，歡迎對AI感興趣的同學，加小助手微信qbitbot5入群；

此外，量子位專業細分群(自動駕駛、CV、NLP、機器學習等)正在招募，面向正在從事相關領域的工程師及研究人員。

進群請加小助手微信號qbitbot5，並務必備註相應群的關鍵詞~通過審核後我們將邀請進群。（專業群審核較嚴，敬請諒解）

誠摯招聘

量子位正在招募編輯/記者，工作地點在北京中關村。期待有才氣、有熱情的同學加入我們！相關細節，請在量子位公眾號(QbitAI)對話界面，回復「招聘」兩個字。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！