这项研究解决了图像识别中最大的挑战之一机器学习:需要大量数据的算法,在这个例子中是图像,以便能够准确地识别某些属性。
ECU科学学院的研究员Shams Islam博士说,这对于识别和诊断新出现的或不常见的疾病非常有用。“我们的技术不仅能够探测新型冠状病毒肺炎在胸部x光片中,还有其他胸部疾病,如肺炎。我们已经对10种不同的胸部疾病进行了测试,取得了非常准确的结果。”“通常,基于人工智能的方法很难准确地检测胸部疾病,因为人工智能模型需要非常大量的训练数据来理解疾病的特征特征。”
伊斯兰补充说:“这些数据需要医学专家仔细注释,这不仅是一个繁琐的过程,还需要很大的成本。我们的方法绕过了这一要求,使用非常有限的注释数据学习精确的模型。虽然这项技术不太可能取代我们现在使用的COVID-19快速检测,但它对在其他医疗诊断中使用图像识别具有重要意义。”
在培训上走捷径
该研究的第一作者、ECU的博士生Fouzia Atlaf说,显著减少将该方法用于其他医疗问题所需时间的关键是使用大型ImageNet数据库对算法进行预训练。她说:“ImageNet是一个包含100多万张被人类分类的图像的数据库,就像医疗专业人员所需要的胸片一样。”“不同的是,数据库中的图像都是普通的家居用品,没有医学专业知识的人也可以对它们进行分类。”
伊斯兰博士和阿尔塔夫女士希望这项技术在未来的研究中可以进一步完善,以提高准确性,并进一步减少训练时间。
这项研究发表在神经计算及应用.
来源:伊迪丝·考恩大学