网友Coolwulf的乳腺癌X光片AI早筛项目 免费使用

软件 PConline 2018-06-14 15:51

  【PConline资讯】网友Coolwulf(在cnBeta熟悉他的人可能都上了年纪了,他就是K-MeleonCCF浏览器的作者)在V2EX上发文称,为了提升乳腺癌X光片的早期诊断速度,他特地提供了一个完全免费的网站和iOSapp。起因是去年一位34岁的校友因乳腺癌晚期不幸离世,留下了一个才4岁的孩子。

  惋惜之余,他思索着能不能做点什么事情,帮助大众来提高乳腺癌的早期检测成功率。因为如果在一期发现乳腺癌的话,5年存活率高达99%。

正常(左)与癌性(右)乳房造影图像

  那么,能否写一个完全免费的网站和iosapp,让用户可以迅速得到“乳腺X光片”(X-rayMammogram)的诊断结果、或者至少可以是2ndOpinion?

  因为用户做完Mammography之后有时候需要等好几天才能有放射科医师(Radiologist)来读片子,而且现在有20%的概率会漏掉早期的肿瘤。

  有鉴于此,Coolwulf决定用DeepLearning(深度学习)来做这件事情。

  对于一个足够好的深度学习模型(DeepLearningModel),一是要有足够多的数据(即使是做TransferLearning的情况下),二是要有足够强大的计算力。

  为了做成这件事情,我在本地搭建了一个50个NvidiaGeforceGTX1080Ti的GPU集群,这是搭成之后的硬件:

  有了硬件之后就是设计Model和收集数据。我从北美和欧洲的几个研究组获取了“带注释的乳腺X光片”(AnnotatedBreastMammo)的数据。

  这些Annotation大多都是根据北美ABR认证的放射学者做出的。也就是说,如果这个模型能够训练好,就可以达到ABRCertifiedRadiologist识别的平均水平或者更好。

  最终的结果我在欧洲的InBreast数据上做了测试,达到了90%的准确度(AUC)。

  我觉得这个Model已经可以给大众实用了,在这里公开出来:

  http://neuralrad.com

  你可以直接上传.jpg形式的Mammo图片,这个AI会给出判断结果(下面是屏幕截图):

  这个网站是完全免费使用的。我现在还在继续更新和改进模型,也在联系国内的几家医院来合作来获取更多的数据来训练它。

  肯塔基大学医院(UniversityofKentuckyHospital)和国内的一家合作公司已经在测试了这个模型。

  乳腺癌检查去年有个全世界竞赛,他们先用这个竞赛获得第二名程序测试了MIAS数据,漏了10个case,然后他们用我的网站测试了一下,只漏了一个。

  这个第二名程序发表了一篇自然杂志的论文:

  https://www.nature.com/articles/s41598-018-22437-z

  这两天,我也公布了完全免费的桌面版本,支持读取和浏览dicom文件,并自动转换NormalizeforAIanalysis。

  

  在InBreast的Dicom数据上,AUC(准确率)大概93%。上面为桌面版本截图,下载地址就在网页主页上。

网友评论

写评论

相关推荐