重大突破! 人工智能训练使用视网膜扫描有助发现心脏疾病风险

文 / 科技大侦探
2018-02-25 09:12
原创不易请随手点击关注
本文由Rehoo团队Leery原创,无授权禁转!(图片来自网络)

研究人员使用神经网络进行图像识别,其优点是你不必在图像中寻找什么迹象。因为有了足够的训练数据分析,神经网络应该能够挑选出病理,并且能够做出准确识别的细节。

对于诸如图像中的识别,神经网络在我们的视觉系统中并不提供很多超过实际神经元的优势。但是在某些情况下,图像可能会提供人类不能理解如何阅读的细微信息,但是神经网络可以通过适当的训练来加以利用。

图片来自网络

现在研究人员已经做到了这一点,通过使用患者视网膜图像的深度学习算法来识别心脏病风险。视网膜具有丰富的血管集合,并且可以检测那些也影响整个循环系统的问题,像高胆固醇或血压升高等事情在眼睛上留下痕迹。因此,由谷歌和Verily生命科学公司组成的研究团队决定深入了解深度学习网络如何从视网膜图像中识别出这些网络。

为了训练这个网络,他们总共使用了近30万个病人图像,这些图像上标有与年龄,吸烟状况,血压和BMI等心脏病有关的信息。一旦训练完毕,系统就会被放置在另外13,000张图像上,看看它是如何做到的。

图片来自网络

通过查看视网膜图像,该算法通常能够在患者实际年龄的3.5年内获得。它在估计患者的血压和体重指数方面也做得很好。鉴于这些成功,该团队随后训练一个类似的网络,使用这些图像来估计未来五年内出现重大心脏问题的风险。它最终具有与使用上述许多因素估计心脏风险的计算类似的性能,但算法完全是从图像中完成的,而不是一些测试和详细的问卷。

这项工作的精妙之处在于该算法已经建立,因此它可以报告重点以便进行诊断。对于年龄,吸烟状况和血压等问题,该软件重点关注血管的特征。训练它来预测性别最终导致它集中在散布在整个眼睛中的特定特征,而身体质量指数最终没有任何明显的焦点,这表明在整个视网膜中BMI传播的信号。

图片来自网络

研究人员说,即使是30万图像的训练集对于深度学习算法来说也很小,所以他们认为如果有更多的数据可供使用,他们可以做得更好。还需要改进,因为他们注意到与诊断计算相似的性能并不是那么好,因为计算具有很大的不确定性。随着一些改进,该算法可能是一种有用的诊断工具,因为经常采用视网膜图像来筛选与糖尿病相关的眼睛问题,而这又常常与心脏病有关。

欢迎关注微信公众号:RehooTech