头条资讯 - 为您提供最新最全的新闻资讯,每日实时更新

脸书与纽约大学合作以AI预测COVID-19患者病情发展

科技数码 十轮网

脸书与纽约大学合作以AI预测COVID-19患者病情发展

脸书现在不只与纽约大学合作,加速MRI扫描速度,现在更因应COVID-19疫情发展需要,也开始共同开发机器学习模型,来协助医生判读COVID-19病患的病情,预测病患4天之后的病情发展,避免医生把有风险的患者送回家,也可以让医院预测和调度需要的氧气资源。

过去解决这个问题的研究,是使用监督式训练方法,但研究人员提到,虽然在监督式训练方法上,取得了一些进展,但是由于标记资料非常耗时,因此进展有限,所以现在他们选择使用自我监督式学习技术MoCo(Momentum Contrast),应用两个大型公共胸部X光片资料集MIMIC-CXR-JPG和CheXpert,对机器学习系统进行预训练。

通过先使用非COVID-19胸部X光片资料集来训练神经网络,让神经网络从X光片中截取资料,接着再使用NYU COVID-19资料集,对MoCo进行微调。研究人员使用预训练的模型,构建了分类器,用来预测COVID-19患者的病情是否会继续恶化。

NYU COVID-19资料集包含4,914例COVID-19患者的26,838张X光图像,以及在X光扫描之后的24、48、72和96个小时内,病情是否有继续恶化的标记资料。研究人员创建两种分类器来预测患者的病情恶化,第一种分类器与之前的研究相似,使用单一X光片来预测病情的恶化,第二个分类器则是利用Transformer模型汇总图像特征,对串行X光片进行预测,判断未来病患的病情是否会加重。

研究人员提到,使用自我监督式学习,而不依赖标记资料集非常重要,因为很少有研究小组拥有足够的COVID-19胸部X光片资料集,可用来训练人工智能模型。以串行X光片进行预测的人工智能模型,其价值在于复制放射科医生的工作方法,除了以串行X光片进行长期准确的预测之外,还能解释感染COVID-19后,病情随时间发展的变化。

根据纽约大学的研究,使用串行X光片模型预测长时间的加护病房需求、死亡率和不良事件发生,比人类专家更为准确,研究人员表示,能够预测患者是否需要氧气资源非常重要,因为可以帮助医院决定未来几周,甚至是几个月的资源分配,在全球COVID-19疫情更加严峻的现在,医院必须对即将到来的疫情高峰做好资源规划。

纽约大学放射科教授William Moore提到,这种人工智能算法,可以利用连续的X光照片,预测COVID-19病患的护理是否存在看护升级需求,由于COVID-19仍是当前主要公卫问题,因此预测病患看护需求,像是加护病房资源调度的能力,对于医院来说仍是非常重要的课题。

而且考虑到医院通常具有自己独特的资料集,但是不具备从头开始训练深度学习模型需要的运算能力,因此脸书与纽约大学开源了预训练模型,以便资源有限的医院,可以使用自己的资料,利用单个CPU就能完成模型微调。

转载请超链接注明:头条资讯 » 脸书与纽约大学合作以AI预测COVID-19患者病情发展
免责声明
    :非本网注明原创的信息,皆为程序自动获取互联网,目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责;如此页面有侵犯到您的权益,请给站长发送邮件,并提供相关证明(版权证明、身份证正反面、侵权链接),站长将在收到邮件24小时内删除。
加载中...