机器视觉与人工智能

深度学习图像识别技术 颠覆人工与质量生产方式变革

全国免费服务热线
021-64988863
表面缺陷检测
当前位置:首页 » 尖刀视资讯中心 » 行业资讯 » 谷歌的DeepMind与NHS合作用机器学习来与失明作斗争

谷歌的DeepMind与NHS合作用机器学习来与失明作斗争

文章出处:责任编辑:人气:-发表时间:2016-07-11 11:29【

loading...

“深度学习”研究公司将用100万匿名眼球扫描数据来训练一个用于确定眼部早期病变特征的神经网络。

谷歌的DeepMind公司已经宣布了其与NHS的第二次合作,与位于伦敦东部的Moorfields眼科医院合作建立了一个机器学习系统,该系统将最终能够仅仅通过一个眼部扫描数据来识别出威胁到视觉效果的眼部病变。

这是NHS与身为谷歌人工智能研究团队的臂膀的DeepMind的第二次合作,但是DeepMind的联合创始人Mustafa Suleyman却说这是该公司第一次真正的着手于医疗研究。早些时候在伦敦北部与Royal Free医院正在进行的合作是关注于直接的病人看护,用一款名为Streams的手机软件来监控病人的肾功能。

与Moorfields的合作也是DeepMind公司第一次在医疗工程中使用机器学习。该研究的核心是通过共享上百万的匿名眼球扫描数据,DeepMind的研究人员用这些数据来训练出一个能够更善于确定眼部病变特征的算法,能够及早诊断出像湿性老年性黄斑变性和糖尿病性视网膜病变这样的眼部疾病。

Suleyman说:“这将会非常重要,尤其是对于糖尿病性视网膜病变而言。如果你患有糖尿病,那么你将有25倍之多的可能性失明。如果我们能够发现这一点,并且尽早的发现这种病变,那么98%的严重失明就可能不会发生。”训练一个神经网络来处理眼部扫描数据的任务可能能够大大提高诊断的速度和精度,能够拯救数以千计的潜在失明人群。

这两个组织之间合作的出现主要归功于Moorfields的一位医生不请自来的请求。眼科专家顾问Pearse Keane通过网站联系了谷歌来讨论眼部扫描数据分析的必要性,并且在不久后就初始化了该研究项目。“我仔细了解了深度学习的相关知识以及这项技术在图像识别方面的成功,”他说,他偶然看到一篇关于DeepMind训练机器来玩Atari游戏的文章——这是该公司第一项公开的成功。

“我当时有一个想法就是深度学习非常擅长识别眼部的图像。而光学断层扫描是我的专业领域,并且我们拥有全世界最大的OCT图像存储。几天后我接触到了Mustafa,然后他就给了我回复。”

DeepMind与NHS以前的合作就曾引起过争议,它和它的合作伙伴Royal Free医院就被指控没有权力分享卷入这次试验的病人的病历记录。当时Royal Free说该安排“是由NHS英格兰的企业信息管理部门出台的标准NHS信息共享协议中列明的,在处理NHS患者资料的第三方组织中的其他1500协议也是一样的。”

由于与Moorfields的合作采用了匿名信息,关于隐私的问题就低得多了。该公司通过与医院的一项研究合作协议获得了这些数据的访问权限,并且出版了一项研究协议就是医疗试验的实践标准。

该公司声称分享的信息数量达到“接近100万匿名眼部扫描数据,以及一些相关的与眼部状况及疾病管理相关的匿名信息。”

“这意味着从扫描数据中不可能确定任何一位病人的身份。并且这是历史性的扫描,也就是说当我们的研究成果可能用于提高未来的医疗时,它们并不会影响任何病人现在所接受的治疗。在这项研究中使用的数据就并不能确定个人的身份。当研究用这份匿名数据工作的时候,研究人员无法确定单个病人的身份信息,并不需要要求一定要获得病人明确的同意将他们的数据用这种方式使用。”

Moorfields眼科研究中心的负责人Prof Peng Tee Khaw说该合作的关键是大量的高精度的视网膜扫描数据。“这些扫描数据都非常精细,比我们身上其他任何部位的扫描都要精确:我们可以看到分子层面。但我们的问题就是如何处理这么大的数据。”

“我花了一生的时间来研究一位病人的历史。现在病人们依赖我的经验来预测他们的未来。如果我们能使用有深度学习帮忙的机器,我们就能更擅长做这样的事情,因为这样我就能拥有10000个病人的历史了。”

有些奇怪的是,DeepMind与Moorfield的合作实际上是谷歌第二次试图用机器学习在眼部扫描中探测视网膜病变。早些时候,由谷歌首席执行官Sundar Pichai在五月份谷歌的年度开发I/O大会的台上宣布的一个不同的项目。

转自:

人工智能学家   Aitists

人工智能学家是权威的前沿科技媒体和研究机构,2016年2月成立人工智能与互联网进化实验室(AIE Lab),重点研究互联网,人工智能,脑科学,虚拟现实,机器人,移动互联网等领域的未来发展趋势和重大科学问题。



此文关键字:机器人 机器视觉

相关资讯