英伟达用GAN生成脑瘤图像 训练出的AI医生 准确率提高16％

栗子脑 发自 凹非寺

量子位 出品 | 公众号 QbitAI

辅助医生做疾病诊断的AI，已越来越常见。

从前，每只AI要吃下来自放射科的许多许多图像数据，学好图中的特征，才可能出师。

数据集越大越好，数据也是越多样越好 (样本不能太单一) 。可是相比健康的结果，研究人员找不到那么多病变的图像可用。

如今，医学诊断AI依然需要喂食大量的数据，但未必用放射科真实捕捉的图像了。

英伟达与一众医疗机构合作，开发了一只医学GAN，用来生成脑部核磁共振(MRI) 的图像，专攻脑肿瘤识别。

他们说，以后就不愁数据集不够大、不够丰富了。

诊断能力有提升

做头部核磁成像的人很多，可大部分检查结果还是正常。

用这样的数据集训练出的AI，见不到更多脑肿瘤的情况，诊断能力也会被局限。

英伟达的GAN，要生成病变的脑部图像。为训练数据集，填补不正常的那部分。

这只AI，是用PyTorch搭起，然后在英伟达DGX平台上训练的。

模型分为三个部分：

一是生成器做脑部语义分割，鉴别器判断真假；

二是生成器用肿瘤语义分割生成MRI图像，鉴别器判断真假；

三是生成器做肿瘤语义分割，鉴别器判断真假。

GAN吃的数据集有两个，一个是阿兹海默神经成像计划 (ADNI) ，另一个是多模态脑肿瘤图像分割基准 (BRATS) 。其中，BRATS的20%留作测试集。

训练完成之后，GAN生成的假MRI图像几可乱真。

用真实MRI图像与合成MRI图像的混合数据集训练的诊断AI，正确率达到80%比，仅用真实图像训练 (64%) 时，提高许多。

欣赏一下数据多样性

脑部肿瘤的情况有很多种，GAN的生成结果也需要五花八门，才能更好地辅助诊断。

论文传送门：

https://arxiv.org/pdf/1807.10225.pdf

—完—

加入社群

量子位AI社群28群开始招募啦，欢迎对AI感兴趣的同学，在量子位公众号（QbitAI）对话界面回复关键字“交流群”，获取入群方式；

此外，量子位专业细分群(自动驾驶、CV、NLP、机器学习等)正在招募，面向正在从事相关领域的工程师及研究人员。

进专业群请在量子位公众号（QbitAI）对话界面回复关键字“专业群”，获取入群方式。（专业群审核较严，敬请谅解）

诚挚招聘

量子位正在招募编辑/记者，工作地点在北京中关村。期待有才气、有热情的同学加入我们！相关细节，请在量子位公众号(QbitAI)对话界面，回复“招聘”两个字。