想要分析胸部 X 光片吗? 我们有一套神经网络能派上用场。

来自马里兰州贝塞斯达美国国家卫生研究院(NIH)的研究人员,采用深度学习技术发展出一项架构,能从胸部 X 光片里及早发现疾病。接着他们的系统为 X 光片建立说明文字,让医师们能更容易对病患进行筛检,及早发现重症病况。

这支研究团队使用我们的 CUDA 编程模型和 GPU 来训练神经网络,以分辨疾病,以及描述位置、严重性、尺寸或受影响之器官等脉络。

将深度学习技术用在医学影像上

随着深度学习技术的发展,在生成影像说明内容方面也有突飞猛进的表现(请见《透过 GPU 加快人工智能运算速度:崭新的运算模型Accelerating AI with GPUs: A New Computing Model》一文),不过多数应用程序使用已加上标签的公开影像来训练神经网络,为宠物、自然风景或城市地标等「自然」影像加上说明,这一招却还没用在医学影像上。

相较之下,大众难以取得已经加上完整说明的医学影像资料。而藉由群众外包的方式去取得胸部 X 光片也不是一个好的办法。一般人可以轻松为树木、动物和房舍的影像加上标签,但是分辨心脏肥大或钙化性肉芽肿等肺部疾病,就得交由专家学者来进行。

NIH 的研究团队采用公开的胸部 X 光片资料来训练卷积神经网络来分辨疾病。接着他们又训练一套递归神经网络来描述疾病脉络,这或许是运用放射影像来诊断疾病的创举。


NIH 的研究团队使用胸部 X 光片来训练递归神经网络描述疾病脉络,这或许是运用放射影像来诊断疾病的创举。

这两套使用 cuDNN 函式库和 Torch 深度学习架构来建立的神经网络系统,为影像创造出更丰富正确的说明内容。研究团队使用 NVIDIA Tesla K40 GPUs 来训练模型,大幅提升了训练速度。

在医疗院所正式采用前,研究团队需要更进一步训练系统,提高系统的预测能力。不过一旦此类影像自动加注系统正式上线,医师们便能在电子病历里搜寻有着特定疾病的所有 X 光片。

他们的系统可协助医疗资源有限的国家,筛检出有着特定疾病的大批病患。