Це широка ідея нещодавнього проекту, створеного комп'ютерні науковці Стенфордського університету, яка застосувала надзвичайні можливості машинного зору передових нейронних мереж глибокого навчання у світі дерматології.
Рекомендовані відео
Використовуючи базу даних із близько 130 000 зображень шкірних захворювань, команда змогла створити алгоритм штучного інтелекту здатний діагностувати шкірні ураження з відповідністю рівня ефективності навчений експерти.
Пов'язані
- Глибоке навчання А.І. допомагає археологам перекладати стародавні таблички
- Цей додаток на базі штучного інтелекту може виявити рак шкіри з 95-відсотковою точністю
- DeepSqueak — це штучний інтелект з машинним навчанням. що показує, про що балакають пацюки
«[Ми навчили його] класифікувати зображення захворювань шкіри як доброякісних або злоякісних, і виявили, що це відповідає показникам понад 21 сертифікованого дерматолога в трьох ключових діагностичних завдання: ідентифікація кератиноцитарних карцином (найпоширенішого раку людини), ідентифікація меланоми (найнебезпечнішого раку шкіри) та ідентифікація меланоми при огляді за допомогою дермоскопії», співперший автор
Андре Естева розповів Digital Trends.Нейронна мережа, яку використали дослідники, спочатку була розроблена Google і навчена розпізнавати 1,28 мільйона зображень з дещо легковажною метою відрізнити котів від собак.
«Ми побачили, що він демонструє надлюдську продуктивність у розрізненні 200 різних типів собак», — співавтор Бретт Купрел сказав нам. «Ми думали, що можемо застосувати це до чогось більш корисного, наприклад діагностики раку шкіри».
До проекту ані Естева, ані Купрел не мали жодного досвіду в дерматології, що означає алгоритм, який вони створений зміг досягти продуктивності експертного рівня без використання будь-яких спеціально закодованих доменів знання.
Однак, якби алгоритм використовувався навченими лікарями, вони могли б скористатися так звана «карта помітності», яка показує, наскільки важливий кожен піксель на зображенні в передбаченні ШІ процес. Іншими словами, замість того, щоб замінити дерматологів, це може виявитися корисним інструментом у їхньому арсеналі — еквівалентом розумного рентгена, який пропонує власну інтерпретацію того, що він бачить.
Однак наразі це далеко вперед. «Безперечно, існують регулятивні правила, щоб FDA схвалила це», - сказав Купрел. «Це було б важливо, перш ніж можна було б розгорнути будь-яку програму». Однак, крім цього, слідчі не кажуть, що буде далі.
"Ми все ще обговорюємо наступні кроки і поки не можемо коментувати", - сказала Естева.
Рекомендації редакції
- А.І. може зіграти життєво важливу роль у народженні завтрашніх дітей ЕКЗ
- Глибоке навчання А.І. може імітувати ефекти спотворення культових гітарних богів
- Японські дослідники використовують глибоке навчання ШІ. щоб рухати роботів коряг
- Статистик попереджає про надійність методів машинного навчання
- Що таке глибинне навчання?
Оновіть свій спосіб життяDigital Trends допомагає читачам стежити за динамічним світом технологій завдяки всім останнім новинам, цікавим оглядам продуктів, проникливим редакційним статтям і унікальним у своєму роді коротким оглядам.
