捍衛胸部健康:深度學習技術從胸部 X 光片裡及早發現疾病

作者 Crowd Favorite

想要分析胸部 X 光片嗎? 我們有一套神經網路能派上用場。

來自馬里蘭州貝塞斯達美國國家衛生研究院(NIH)的研究人員,採用深度學習技術發展出一項架構,能從胸部 X 光片裡及早發現疾病。接著他們的系統為 X 光片建立說明文字,讓醫師們能更容易對病患進行篩檢,及早發現重症病況。

這支研究團隊使用我們的 CUDA 編程模型和 GPU 來訓練神經網路,以分辨疾病,以及描述位置、嚴重性、尺寸或受影響之器官等脈絡。

將深度學習技術用在醫學影像上

隨著深度學習技術的發展,在生成影像說明內容方面也有突飛猛進的表現(請見《透過 GPU 加快人工智慧運算速度:嶄新的運算模型Accelerating AI with GPUs: A New Computing Model》一文),不過多數應用程式使用已加上標籤的公開影像來訓練神經網路,為寵物、自然風景或城市地標等「自然」影像加上說明,這一招卻還沒用在醫學影像上。

相較之下,大眾難以取得已經加上完整說明的醫學影像資料。而藉由群眾外包的方式去取得胸部 X 光片也不是一個好的辦法。一般人可以輕鬆為樹木、動物和房舍的影像加上標籤,但是分辨心臟肥大或鈣化性肉芽腫等肺部疾病,就得交由專家學者來進行。

NIH 的研究團隊採用公開的胸部 X 光片資料來訓練卷積神經網路來分辨疾病。接著他們又訓練一套遞歸神經網路來描述疾病脈絡,這或許是運用放射影像來診斷疾病的創舉。

NIH 的研究團隊使用胸部 X 光片來訓練遞歸神經網路描述疾病脈絡,這或許是運用放射影像來診斷疾病的創舉。
NIH 的研究團隊使用胸部 X 光片來訓練遞歸神經網路描述疾病脈絡,這或許是運用放射影像來診斷疾病的創舉。

這兩套使用 cuDNN 函式庫和 Torch 深度學習架構來建立的神經網路系統,為影像創造出更豐富正確的說明內容。研究團隊使用 NVIDIA Tesla K40 GPUs 來訓練模型,大幅提升了訓練速度。

在醫療院所正式採用前,研究團隊需要更進一步訓練系統,提高系統的預測能力。不過一旦此類影像自動加註系統正式上線,醫師們便能在電子病歷裡搜尋有著特定疾病的所有 X 光片。

他們的系統可協助醫療資源有限的國家,篩檢出有著特定疾病的大批病患。