您正在使用IE低版浏览器,为了您的雷锋网账号安全和更好的产品体验,强烈建议使用更快更安全的浏览器
AI开发 正文
发私信给思颖
发送

0

斯坦福发起医疗影像挑战赛,基于吴恩达团队 MURA 数据集

本文作者:思颖 2018-05-25 18:27
导语:日前,斯坦福宣布基于 MURA 发起一项检测肌肉异常的深度学习挑战赛。主办方使用隐藏测试集进行模型评估,参赛团队需要在 Codalab 上提交代码。

雷锋网(公众号:雷锋网) AI 研习社按,今年一月,吴恩达团队公布医学影像数据集 MURA,MURA 是目前最大的 X 光片数据库之一,包含源自 14982 项病例的 40895 张肌肉骨骼X光片。1 万多项病例里有 9067 例正常的上级肌肉骨骼和 5915 例上肢异常肌肉骨骼的 X 光片,部位包括肩部、肱骨、手肘、前臂、手腕、手掌和手指。每个病例包含一个或多个图像,均由放射科医师手动标记。

斯坦福发起医疗影像挑战赛,基于吴恩达团队 MURA 数据集

图:MURA 数据库,包括肩部,肱骨,手肘,前臂,手腕,手掌和手指等上肢。

日前,斯坦福宣布基于 MURA 发起一项检测肌肉异常的深度学习挑战赛。

主办方使用隐藏测试集进行模型评估,参赛团队需要在 Codalab 上提交代码,然后他们提供的代码将会在非公开测试集上运行。主办方表示,这样的设置保证了比赛的公平性。

此前,基于 MURA,吴恩达团队开发了一个有效的异常检测模型,他们将一个或多个 X 光片输入该模型预测每个 X 光片的异常概率,然后得出同一病例所有 X 光片异常概率的平均值,之后作为 X 光片的异常概率输出。他们从 209 项持续跟踪的病例中挑选了 6 个病例,将模型和专业放射科医生给出的诊断结果进行比较,发现模型的诊断能力达到了与放射科医生相当的水平。「在诊断手指和手腕异常时,模型检测异常的能力强于最好的医生。然而,在诊断膝、前臂、肱骨和肩部异常时,模型的表现不如医生的表现。」

那么这次的比赛,会产生出新的强大的深度学习模型吗?拭目以待。

比赛信息参见:https://stanfordmlgroup.github.io/competitions/mura/

相关文章:

吴恩达团队公布最大医学影像数据集 MURA,基于深度学习检测骨骼疾病

雷锋网版权文章,未经授权禁止转载。详情见转载须知

分享:
相关文章

文章点评:

表情
最新文章
为了您的账户安全,请验证邮箱
您的邮箱还未验证,完成可获20积分哟!
请验证您的邮箱
立即验证
完善账号信息
您的账号已经绑定,现在您可以设置密码以方便用邮箱登录
立即设置 以后再说
请填写申请人资料
姓名
电话
邮箱
微信号
作品链接
个人简介