jhu研究员利用人工智能检测早期癌症

　　参与人工智能检测早期癌症的jhu研究团队，它们在解决训练人工智能算法检测癌症所需的高质量数据的缺乏方面发挥重要作用。这种短缺源于在医学扫描中识别肿瘤的具有挑战性的过程，这可能非常耗时，因为它通常依赖于病理报告和活检确认。例如，只有大约200张公开的CT扫描图带有肝脏肿瘤的注释，这对于训练和测试人工智能模型来检测早期癌症来说是微不足道的。

　　该团队与放射科医生合作，设计了一种四步合成现实肿瘤的方法。首先，他们为人造肿瘤选择了避免与周围血管碰撞的位置。接下来，他们添加了随机的“噪声”模式，这样他们就可以生成在真实肿瘤上发现的不规则纹理，并生成反映真实肿瘤不同轮廓的形状。最后，他们模拟了肿瘤挤压周围环境的倾向，这改变了它们的外观。研究人员说，合成的肿瘤是超现实的，并且通过了视觉图灵测试——也就是说，即使是医学专业人员在视觉检查中也会把它们和真实的肿瘤混淆。

　　然后，该团队只使用这些合成肿瘤训练了一个人工智能模型。他们说，由此产生的模型明显优于之前类似的方法，并且可以达到与在真实肿瘤上训练的人工智能模型相当的性能。

　　来自华中科技大学的研究人员、团队成员胡启新表示:“我们的方法令人兴奋，因为到目前为止，还没有任何一项单独利用合成肿瘤的研究，能达到人工智能在真实肿瘤上训练的类似甚至相当的效果。”“此外，我们的方法可以自动生成大量小型甚至微型合成肿瘤的例子，这有可能提高人工智能驱动的肿瘤检测的成功率。检测小肿瘤对于确定癌症的早期阶段至关重要。”

　　根据Yuille的说法，该团队的方法也可用于生成数据集和训练模型，以识别目前缺乏注释肿瘤数据的其他器官中的癌症。该团队目前正在研究先进的图像处理技术，以在肝脏、胰腺和肾脏中产生合成肿瘤，但也希望将其扩展到身体的其他部位。

　　“这个项目的最终目标是合成人体内的各种异常，包括肿瘤，用于人工智能的开发，这样放射科医生就不必花费宝贵的时间进行手动注释，”胡说。“这项研究朝着这个目标迈出了重要的一步。”

　　Yuille团队的其他研究人员包括约翰霍普金斯大学的博士生陈义雄、肖俊飞、陈杰能和魏晨，以及助理研究科学家周宗伟。中国科学技术大学的陈琦、熊志伟、南京医科大学第一附属医院的孙淑文、伊利诺伊大学香槟分校的陈晓曦和哥伦比亚大学的宋浩睿也参与了这项研究。

　　以上是关于jhu研究员利用人工智能检测早期癌症的全部新闻，了解最新美国留学资讯，欢迎大家添加VX：Tops6868，托普仕出国留学拥有多年名校申请经验，帮助您实现出国读书梦。