英偉達用GAN生成腦瘤圖像，訓練出的AI醫生，準確率提高16％

栗子腦 發自 凹非寺

量子位 出品 | 公眾號 QbitAI

輔助醫生做疾病診斷的AI，已越來越常見。

從前，每隻AI要吃下來自放射科的許多許多圖像數據，學好圖中的特徵，才可能出師。

數據集越大越好，數據也是越多樣越好 (樣本不能太單一) 。可是相比健康的結果，研究人員找不到那麼多病變的圖像可用。

如今，醫學診斷AI依然需要餵食大量的數據，但未必用放射科真實捕捉的圖像了。

英偉達與一眾醫療機構合作，開發了一隻醫學GAN，用來生成腦部核磁共振(MRI) 的圖像，專攻腦腫瘤識別。

他們說，以後就不愁數據集不夠大、不夠豐富了。

診斷能力有提升

做頭部核磁成像的人很多，可大部分檢查結果還是正常。

用這樣的數據集訓練出的AI，見不到更多腦腫瘤的情況，診斷能力也會被局限。

英偉達的GAN，要生成病變的腦部圖像。為訓練數據集，填補不正常的那部分。

這隻AI，是用PyTorch搭起，然後在英偉達DGX平台上訓練的。

模型分為三個部分：

一是生成器做腦部語義分割，鑒別器判斷真假；

二是生成器用腫瘤語義分割生成MRI圖像，鑒別器判斷真假；

三是生成器做腫瘤語義分割，鑒別器判斷真假。

GAN吃的數據集有兩個，一個是阿茲海默神經成像計劃 (ADNI) ，另一個是多模態腦腫瘤圖像分割基準 (BRATS) 。其中，BRATS的20%留作測試集。

訓練完成之後，GAN生成的假MRI圖像幾可亂真。

用真實MRI圖像與合成MRI圖像的混合數據集訓練的診斷AI，正確率達到80%比，僅用真實圖像訓練 (64%) 時，提高許多。

欣賞一下數據多樣性

腦部腫瘤的情況有很多種，GAN的生成結果也需要五花八門，才能更好地輔助診斷。

論文傳送門：

https://arxiv.org/pdf/1807.10225.pdf

—完—

加入社群

量子位AI社群28群開始招募啦，歡迎對AI感興趣的同學，在量子位公眾號（QbitAI）對話界面回復關鍵字「交流群」，獲取入群方式；

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。

進專業群請在量子位公眾號（QbitAI）對話界面回復關鍵字「專業群」，獲取入群方式。（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！