Taka jest ogólna idea najnowszego projektu stworzonego przez informatyków na Uniwersytecie Stanforda, w ramach którego zastosowano niezwykłe możliwości widzenia maszynowego najnowocześniejszych sieci neuronowych głębokiego uczenia się w świecie dermatologii.
Polecane filmy
Korzystając z bazy danych zawierającej blisko 130 000 zdjęć chorób skóry, zespół był w stanie stworzyć Algorytm sztucznej inteligencji jest w stanie diagnozować zmiany skórne przy odpowiednio przeszkolonym poziomie wydajności eksperci.
Powiązany
- Głębokie uczenie się AI pomaga archeologom w tłumaczeniu starożytnych tabliczek
- Ta aplikacja oparta na sztucznej inteligencji potrafi wykryć raka skóry z 95-procentową dokładnością
- DeepSqueak to sztuczna inteligencja ucząca się maszynowo. to pokazuje, o czym rozmawiają szczury
„[Wyszkoliliśmy go w zakresie] klasyfikowania obrazów schorzeń skóry jako łagodnych i złośliwych i odkryliśmy, że odpowiada on wynikom uzyskanym przez ponad 21 certyfikowanych dermatologów w trzech kluczowych badaniach diagnostycznych. Zadania: identyfikacja raków keratynocytów (najczęstszego nowotworu u ludzi), identyfikacja czerniaka (najbardziej śmiercionośnego nowotworu skóry) oraz identyfikacja czerniaka w badaniu dermoskopowym”, współpierwsza autor
Andre Esteva powiedział Digital Trends.Sieć neuronowa, z której korzystali badacze, została pierwotnie zaprojektowana przez Google i przeszkolona do rozpoznawania 1,28 miliona obrazów, a jej nieco niepoważnym celem było odróżnienie kotów od psów.
„Zaobserwowaliśmy, że wykazał nadludzkie zdolności w rozróżnianiu 200 różnych typów psów” – współautorka Bretta Kuprela Powiedz nam. „Pomyśleliśmy, że moglibyśmy zastosować to do czegoś bardziej przydatnego, na przykład diagnostyki raka skóry”.
Przed rozpoczęciem projektu ani Esteva, ani Kuprel nie mieli żadnego doświadczenia w dermatologii, co oznacza, że stosują algorytm stworzony był w stanie osiągnąć wydajność na poziomie eksperckim bez korzystania ze specjalnie zakodowanych specyficznych dla domeny wiedza.
Jeśli jednak algorytm miałby być używany przez przeszkolonych lekarzy, mogliby oni skorzystać z: tak zwana „mapa istotności”, pokazująca, jak ważny był każdy piksel obrazu w przewidywaniach sztucznej inteligencji proces. Innymi słowy, zamiast zastępować dermatologów, może to okazać się użytecznym narzędziem w ich arsenale – odpowiednikiem inteligentnego zdjęcia rentgenowskiego, które oferuje własną interpretację tego, co widzi.
Na razie jednak to wybieganie daleko w przyszłość. „Zdecydowanie istnieją przepisy prawne, które wymagają zatwierdzenia przez FDA” – powiedział Kuprel. „Byłoby to ważne przed wdrożeniem jakiejkolwiek aplikacji”. Poza tym jednak śledczy nie mówią, co będzie dalej.
„Nadal rozważamy kolejne kroki i nie możemy jeszcze komentować” – powiedziała Esteva.
Zalecenia redaktorów
- sztuczna inteligencja mogą odegrać kluczową rolę w narodzinach przyszłych dzieci z zapłodnieniem in vitro
- Głębokie uczenie się może imitować efekty zniekształceń kultowych bogów gitary
- Japońscy badacze wykorzystują sztuczną inteligencję do głębokiego uczenia się. aby wprawić w ruch roboty z drewna wyrzuconego na brzeg
- Statystyk podnosi czerwoną flagę dotyczącą niezawodności technik uczenia maszynowego
- Co to jest głębokie uczenie się?
Ulepsz swój styl życiaDigital Trends pomaga czytelnikom śledzić szybko rozwijający się świat technologii dzięki najnowszym wiadomościom, zabawnym recenzjom produktów, wnikliwym artykułom redakcyjnym i jedynym w swoim rodzaju zajawkom.
