吴恩达团队新研究！诊断膝盖共振影像与论文相当的医生
前几天，吴恩达对Twitterpo了自己的队伍的最新的研究。
一种预测“膝盖mri检查”异常的算法
[2001]该算法主要用于膝盖磁共振成像成像成像检测常见异常，前十字韧带断裂或半月板断裂等特殊诊断。
在实际测试中，异常检测、前十字韧带断裂检测、半月板断裂检测的精度分别为93.7%、96.5%、84.7%，与普通放射科医生相比没有显著差异。
也就是说，它和医生差不多。在某些方面，研究结果显示它超过了人类医生。
研究方法数据集
研究中使用的数据集来自斯坦福大学。2011年1月1日至2012年12月31日期间，共收集到[斯坦福大学][医学中心]共1370份膝部mri检查数据。
其中，异常检测为1104件（80.6%）前十字韧带断裂319件（23.3%）半月板撕裂508例（37.1%）；前十字韧带断裂和半月板断裂同时发生194件（38.2%）
研究将数据集分为三个部分。1130个检查数据和1088个患者120个检查数据和111个患者调优120个检查数据113个患者为了更好地构建验证集和调优集，确认每个数据集存在50个“正”标签（异常，前十字韧带断裂，半月板断裂）分层随机抽样。所有的检查结果对每个病人都是一样的
使用Clinical Hospital Centre Rijeka前十字韧带损伤数据集的外部验证数据集检测到917个测试示例。非损伤（690）、部分断裂（172、和完全断裂（55、
[吴恩达]团队的研究使用分层随机抽样将数据集分成三组：培训、调优和验证，比例为60：20：20。
具体来说，在不重新训练外部数据的情况下直接应用MRNet后，使用外部数据的训练集和调整集来优化MRNet。
分类任务是区分未受损的前十字韧带和受损的前十字韧带（部分断裂或完全断裂）
模型设计
预测模型的主要组成部分是[MRNet]：卷积神经网络（[CNN]）图像分析系统，可以将三维磁共振图像映射为概率。
MRNet的输入尺寸为s×3×256×256。其中s是一系列mri图像的数量（3是颜色通道的数量）
首先，对各个2D的mri图像进行切片，使用特征提取器，将包含各个切片的特征的s×256×7×获得7的张量。
然后我们应用全局平均池层×减少到256。然后对切片应用最大池化以获得256维向量，并将其传递给完全连接的层以获得预测概率。
但是，前十字韧带的断裂灵敏度比模型高（不容易看漏但容易误诊），半月板的断裂特异度高（不容易误诊）
在使用模型的临床效果测试中，前十字韧带的特异性平均上升0.048（4.8%），健康人被误诊为前十字韧带损伤的概率大幅降低。也就是说，每100名健康的患者中就有5人不做手术。
总体来说，这个模型的性能不亚于人类医生，在某些方面是优秀的
难怪吴恩达是Twitter，赶紧部署这个系统，希望能帮助人类。
但是，正如论文中所写的那样，最好是与人类医生合作，支持疾病诊断的系统。
关于论文和门户的研究论文刊登在PLOS medicine上。
地址：。
https：//journals.plos.org/plosmedicine/articleid=10.1371/journal.pmed.斯坦福大学699
One More Thing今天Facebook人工智能团队负责人Yann LeCun也在Twitter上宣布，Facebook和纽约大学医学院已经根据纽约大学最近公开的大规模磁共振图像数据集，开源化了新的深度学习工具。
图像也是膝盖的共鸣图像…
链接：https：//code.fb.com/ai-research/fastmri/来修改标记元素的显示属性。