Tencent, sektörün ilk 3 boyutlu tıbbi görüntüleme büyük veri ön eğitim modeli olan ilk tıbbi yapay zeka projesini açık kaynaklı hale getirdi
İçbükey tapınaktan Qian Ming
Qubit Raporu | Genel Hesap QbitAI
Tencent AI, açık kaynakta yeni eylemler var.
En iyi yapay zeka laboratuvarı Tencent Youtu , Açık kaynaklı Tencentin ilk tıbbi yapay zeka projesi olan MedicalNet, bir derin öğrenme ön eğitim modeli.
Bu proje, derin öğrenmede 3B tıbbi görüntülemenin uygulanması ve geliştirilmesi için tasarlanmıştır ve aynı zamanda endüstrinin aynı yönde önceden eğitilmiş ilk modelidir.
Tencent Youtu, MedicalNet'in model yakınsamasını hızlandırabileceğini, modelin veri miktarına olan bağımlılığını azaltabileceğini ve 3D tıbbi görüntüleme yapay zeka uygulamalarının "temeli atmasına" yardımcı olabileceğini söyledi.
Ayrıca, tescilli bir alandaki tescilli bir model ile MedicalNet, çeşitli 3B tıbbi görüntüleme uygulamaları için genel klinik bilgiye sahip bir veri tabanı hazırlamaya eşdeğerdir.
Az miktarda veride bile, bu veritabanının etkili özellikleri, iniş uygulamalarının daha iyi tıbbi tespit performansı elde etmesine yardımcı olabilir.
Açık kaynak proje adresi:
https://github.com/Tencent/MedicalNet
3D medikal görüntüleme için özel olarak geliştirilmiştir
Doğal görüntü alanında ImageNet ve MSCOCO gibi birçok büyük veri kümesi vardır. Bu veri setlerine dayalı olarak oluşturulan önceden eğitilmiş modeller, sınıflandırma, algılama ve segmentasyon gibi uygulamaların ilerlemesini destekler.
Doğal görüntülerden farklı olarak, tıbbi görüntülerin çoğu 3 boyutlu yapıdadır.Aynı zamanda, veri toplama ve etiketlemenin zorluğu nedeniyle, veri miktarı azdır.Önceden, büyük veri kümelerinin açık kaynağı ve bunlara karşılık gelen eğitim öncesi modeller yoktu.
Tencent Youtu, açık kaynak MedicalNet'in nedeninin bu olduğunu söyledi. Şu anda MedicalNet'in beş ana özelliği vardır:
- 1. Önceden eğitilmiş ağ, bölümleme, algılama ve sınıflandırma gibi görevler dahil ancak bunlarla sınırlı olmamak üzere 3D medikal görüntülerin herhangi bir AI uygulamasına taşınabilir;
- 2. Ağ yakınsamasını hızlandırabilen ve ağ performansını iyileştirebilen küçük veri tıbbi görüntüleme AI senaryoları için özellikle uygundur;
- 3. Az sayıda arayüz parametresi değerini basitçe yapılandırarak, ince ayar eğitimi gerçekleştirebilirsiniz;
- 4. Zengin arayüzler ve güçlü ölçeklenebilirlik ile çoklu kart eğitimi ve test değerlendirme kodu sağlayın;
- 5. Farklı veri seviyesi uygulamaları için kullanılabilecek, farklı derinliklerde 3D ResNet ön eğitim modelleri sağlayın.
MedicalNet nasıl yapılır? Tencent Youtu bir açıklama yaptı:
MedicalNet, çok sayıda farklı 3B tıbbi alandan küçük ölçekli semantik segmentasyon veri setlerini toplar ve veri setindeki eksik not sorununu çözmek için çok dallı bir kod çözücüye dayalı çok alanlı bir ortak eğitim modeli önerir.
Bu ön eğitimin uygulanabilirliği de güçlüdür ve 3D tıbbi görüntüleme uygulamaları için herhangi bir derin öğrenme modeline aktarılabilir. Tüm sistemin iş akışı aşağıdaki şekilde gösterilmektedir:
Etki, sıfırdan eğitimden çok daha iyidir
Modelin etkisini ölçmek için, MedicalNet modelini eğitim öncesi sırasında dokunulmayan Visceral ve LIDC veri setlerine taşıdılar.
Yeni akciğer segmentasyonu ve akciğer nodülü sınıflandırma görevlerini tamamlamak ve performansı ve yakınsama hızını şu anda yaygın olarak kullanılan sıfırdan tren ve Kinetics video 3D ön eğitim modelleriyle karşılaştırmak için kullanın.
Akciğer segmentasyonu uygulamasında, Train from Scratch ile karşılaştırıldığında MedicalNet, Dice'da% 16 ila% 33, Kinetics'e kıyasla% 4 ila% 7 artışa sahiptir.
Akciğer nodüllerinin iyi huylu ve kötü huylu sınıflandırmasının uygulanmasında, Train from Scratch ile karşılaştırıldığında, MedicalNet'in tahmin doğruluğu% 6 ila% 23, Kinetics ile karşılaştırıldığında% 7 ila% 20 artmıştır.
Yakınsama hızı açısından, ister akciğer segmentasyon görevlerinde ister akciğer nodülü sınıflandırma görevlerinde olsun, MedicalNet modele daha düşük bir başlatma kaybı değeri sağlayabilir ve bu da kayıp azaltma hızını önemli ölçüde hızlandırır.
Aşağıdaki şekil, tüm organ segmentasyonu uygulamasında belirli sayıda eğitim yinelemesi altında farklı eğitim öncesi yöntemlerin test sonuçlarını gösteren, MedicalNet'in performansının basit bir örneğidir.
Şekil, MedicalNet'e dayalı sonuçların temel gerçeğe en yakın olduğunu ve sıfırdan eğitimin sonuçlarından çok daha iyi olduğunu göstermektedir.
Tencent Medical AI
Tencent, uzun bir AI tıbbi bakım geçmişine sahiptir ve sektördeki itibarı son yıllarda artarak birden fazla dünya rekoru kırmıştır.
Örneğin, bu yılın Haziran ayında, Küresel Göğüs Çok Organlı Segmentasyon Yarışması'nda Tencent Youtu, üç yeni küresel rekor kırmak için Xiamen Üniversitesi'nden öğretmen Wang Liansheng'in laboratuvarı ile birlikte çalıştı. Bundan önce, iki taraf ayrıca karaciğer segmentasyonu ve karaciğer tümörü segmentasyonu gibi iki teknik zorlukta dünyada birinciliği kazandı.
Tencent Youtu, tıbbi yapay zekasının zaten yüz milyonlarca ölçekte model eğitimi ve işbirliğine dayalı erişim yapma yeteneğine sahip olduğunu söyledi.
Üstelik sadece araştırma yapmıyorlar, teknoloji inişi çoktan başladı.
Son yıllarda, bu tıbbi yapay zeka teknolojileri Tencentin ilk tıbbi görüntüleme ürünü "Tencent Miying" aracılığıyla sürekli olarak ihraç edildi. Şu anda rahim ağzı kanseri, akciğer kanseri, diyabetik retinopati ve diğer kanser taramalarını destekliyor ve Çin'de 100'den fazla üçüncü basamak hastanede kullanılıyor. İnişe geçin.
Tencent Youtu, gelecekte tıbbi yapay zeka alanında daha fazla model açmaya devam edeceğini söyledi, Tencent de bunu yapıyor.
Ağustos 2019 itibarıyla Tencent, Github'da yapay zeka, bulut bilişim, güvenlik ve diğer alanları kapsayan 81 açık kaynaklı proje yayınladı ve 230.000'den fazla yıldız biriktirdi.
- Bitiş -
Samimi işe alım
Qubit, editörleri / muhabirleri işe alıyor ve merkezi Pekin, Zhongguancun'da bulunuyor. Yetenekli ve hevesli öğrencilerin bize katılmasını dört gözle bekliyoruz! Ayrıntılar için, lütfen QbitAI diyalog arayüzünde "işe alım" kelimesiyle yanıt verin.
Qubit QbitAI · Toutiao İmzalama Yazarı
' ' Yapay zeka teknolojisi ve ürünlerindeki yeni eğilimleri takip edin
