Това е общата идея зад скорошен проект, създаден от компютърни учени в Станфордския университет, който приложи изключителните сили на машинното зрение на авангардни невронни мрежи за дълбоко обучение в света на дерматологията.
Препоръчани видеоклипове
Използвайки база данни от близо 130 000 изображения на кожни заболявания, екипът успя да създаде алгоритъм с изкуствен интелект, способен да диагностицира кожни лезии със съвпадение на нивото на ефективност обучен експерти.
Свързани
- ИИ за дълбоко обучение помага на археолозите да преведат древни плочи
- Това базирано на AI приложение може да забележи рак на кожата с 95 процента точност
- DeepSqueak е изкуствен интелект за машинно обучение. който разкрива за какво си бъбрят плъховете
„[Ние го обучихме да] класифицира изображения на кожни заболявания като доброкачествени или злокачествени и открихме, че съответства на представянето на над 21 сертифицирани дерматолози при три ключови диагностични задачи: идентифициране на кератиноцитни карциноми (най-често срещаният човешки рак), идентифициране на меланом (най-смъртоносният рак на кожата) и идентифициране на меланома, когато се гледа с помощта на дермоскопия,” ко-първо автор
Андре Естева каза Digital Trends.Невронната мрежа, която изследователите са използвали, е първоначално проектирана от Google и е обучена да разпознава 1,28 милиона изображения с донякъде несериозната цел да разграничи котките от кучетата.
„Видяхме, че демонстрира свръхчовешко представяне при разграничаване на 200 различни вида кучета“, съавтор Брет Купрел казаха ни. „Мислехме, че можем да приложим това към нещо по-полезно, като например диагностика на рак на кожата.“
Преди проекта нито Естева, нито Купрел са имали опит в дерматологията, което означава алгоритъма, който създаден успя да постигне производителност на експертно ниво, без да се възползва от каквото и да е специално кодирано специфично за домейн знания.
Въпреки това, ако алгоритъмът трябваше да се използва от обучени лекари, те биха могли да се възползват от така наречената „карта на изпъкналостта“, разкриваща колко важен е всеки пиксел в изображението в прогнозата на AI процес. С други думи, вместо да замени дерматолозите, това може да се окаже полезен инструмент в техния арсенал - еквивалент на интелигентна рентгенова снимка, която предлага собствена интерпретация на това, което вижда.
Засега обаче това е много напред. „Определено има регулаторни правила, които да накарат FDA да го одобри“, каза Kuprel. „Това би било важно, преди да може да бъде разгърнато каквото и да е приложение.“ Извън това обаче разследващите не казват какво следва.
„Все още обсъждаме следващите стъпки и все още не можем да коментираме“, каза Естева.
Препоръки на редакторите
- ИИ може да играе жизненоважна роля в раждането на утрешните IVF деца
- Дълбоко обучение A.I. може да имитира ефектите на изкривяване на емблематичните китарни богове
- Японски изследователи използват дълбоко обучение A.I. за да накарате роботите да се движат
- Статистикът сигнализира за надеждността на техниките за машинно обучение
- Какво е дълбоко обучение?
Надградете начина си на животDigital Trends помага на читателите да следят забързания свят на технологиите с всички най-нови новини, забавни ревюта на продукти, проницателни редакционни статии и единствени по рода си кратки погледи.
