为了数据也是拼了凯尔尼格征！多伦多大学用人造X射线训练人工智能-AI商业报道
高层速读
关键信息：为了解决罕见疾病X射线数据较少的问题，多伦多大学工程师们设计了一种新的方法，利用机器学习创造出人造X射线来增强人工智能训练集，他们使用深度卷积生成对抗网络（DCGAN）来生成并持续改进模拟图像。
关键数据：在一般情况下，结合了人造X射线的增强数据集的分类精度提高了20%，在一些罕见疾病中同方专转本，准确率提高到40%左右爱恨无垠。
关键意义：从某种意义上说，我们正在利用机器学习来进行机器学习湘钢一中。

在象限的左边是病人胸部的真实X射线图像，旁边是由人造的合成X射线
人工智能可以提高医学诊断速度和准确性，但在临床医生利用人工智能来识别X射线等图像的情况之前，他们必须“教”会算法寻找什么。
在医学图像中识别罕见的病理现象可疑的英雄 ，给研究人员带来了持续的挑战，因为在监督学习环境中，可以用来训练人工智能系统的图像十分缺乏。

多伦多大学电子与计算机工程系（ECE）Shahrokh Valaee教授和他的团队设计了一种新的方法：利用机器学习创造计算机生成的X射线来增强人工智能训练集。“从某种意义上说菲尔西斯，我们正在利用机器学习来进行机器学习”，Valaee说。
“我们正在通过计算机制造某些罕见疾病的X射线，我们可以将它们与真实的X射线结合起来，从而拥有足够大的数据库来训练神经网络，以便此后从其他X射线中识别出有异常情况的数据编外丈夫 。”

Valaee是医学实验室（MIMLab）机器智能的一员，这是一个内科医生、科学家和工程研究人员组成的团队，他们将自己在图像处理、人工智能和医学方面的专业知识结合起来僵尸少爷小说，以解决医疗挑战。
“人工智能有潜力在医学领域提供各种各样的帮助”Valaee说，“但要做到这一点，我们需要大量的数据——我们需要数千个标签的图像让这些系统发挥作用，但一些罕见疾病的数据太少了。”

为了制造这些人造X射线，研究小组使用一种被称为深度卷积生成对抗网络（DCGAN）的技术来生成并持续改进模拟图像李春江简历。
GANs是由两个网络组成的一种算法：一个是生成网络，一个是判别器网络，生成网络负责生成图像，判别器则负责从真实图像中区分出合成的图像杨诗雅，直到这两个网络被训练成一个点，判鉴别器不能区分真实的图像和合成的图像，就可以输出了。
一旦有足够数量的人造X射线被创造出来，它们就会与真实的X射线相结合，来训练一个深度卷积神经网络，这个网络负责将需要鉴别的图像分类为正常或其他情况。

Valaee说：“我们已经能够证明，李允熹由深度卷积的GANs生成的人工数据可以用来增强真实的数据集，这为培训提供了更多的数据，并提高了这些系统在识别罕见疾病方面的性能。”
在通过人工智能系统输入数据时，MIMLab将其增强数据集的准确性与原始数据集进行了比较校园邪主，发现在一般情况下，增强数据集的分类精度提高了20%无量道尊，在一些罕见的情况下，准确率提高到40%左右红城网。
由于合成的X光并不是来自真实的个体，所以数据集容易获得神箭手宝贝一家亲，同时也不会存在侵犯隐私方面的担忧。Valaee说：“这很令人兴奋，我们已经能够克服将人工智能应用于医学的障碍。”

分享这篇文章
与同仁共同探讨AI行业动向
往期文章
行业：无人零售、智能美妆、智能金融、自动驾驶、智能监控、智能家居、智能艺术创作
应用：数字助手、无人零售店开业、机器学习、机器人动态操纵、智能医疗影像、
公司：云知声、云从科技、云洲智能、图森未来、地平线机器人、推想科技、竹间智能、
人物：林元庆、山世光、孙剑、马斯克
突破：绘图机器人、机器阅读理解、AI算法实现长寿、斯坦福预测死亡
大会：达沃斯论坛、2018CES、2018CCEAI、中法人工智能论坛、中国人工智能峰会、阿里云栖Techday、AAAI
报告：《MIT人工智能商业化报告》、《中国人工智能产业路线图》、清华教授180页PPT、《中国人工智能白皮书》、《斯坦福人工智能指数报告》
入群通知：为方便交流与资源共享，我们建立了AI商业报道-人工智能交流群枫色幻想，感兴趣的朋友可以添加小编微信经审查后可入群，请注明行业及职位，微信搜索：1186614053
「AI商业报道」现已入驻
知乎号 | 头条号 | 百家号 | 网易号| ZAKER
AI商业报道
推进中国人工智能行业发展
长按扫码关注我们