datasheet

吴恩达新研究:AI看心电图,诊断心律失常准确率超过人类医生

2019-01-11来源: 量子位 关键字:吴恩达  AI  人类医生  心电图

吴恩达团队又在AI医疗方面取得了革命性突破,搞定了心律失常诊断。

只要让AI输入心率数据,就可以判断出你是否心律失常、具体是哪一种情况。

而且,准确度高达83.7%,超过了人类心脏病医生的78.0%

这项研究被发表在了最新的一期Nature Medicine上。

如何让AI学会诊断心律失常

整体的研究,基于吴恩达团队在2017年的一篇已经发在Arxiv上的论文(文末有地址)。

诊断依据是患者的心电图。心电图数据来自于一家名叫iRhythm的公司,他们的产品Zio可以固定在人的胸前,像一个移动的听诊器一样,24小时听着患者的心跳并记录下来。

记录下来的心电图经由专家标注,分成12种不同情况,包括10种心律失常,还有窦性心律(这个不失常)以及噪音。

其中,训练集来自53549名病人的91232份心电图记录,每份记录大约在10.6天~13天的长度,患者年龄在69±16岁,其中43%为女性。

测试集则是328位病人每人一份心电图数据,这些病人的年龄在70±17岁,其中38%为女性。

拿到这些数据集,就可以训练深度神经网络(DNN),具体结构如下:

整个神经网络包含33个卷积层,以线性输出层结尾。

向神经网络中输入心电图数据,它就可以将其拆分成每个时长1.28秒的数据样本,判断每个1.28秒属于12种心率(及噪音)中的哪一种。

整体表现超越人类医生

F1分数比较,在12个种类里,AI的表现都超过了人类医生的平均水平。

并且,针对每一种心率,AI的敏感性都要比人类医生高,也就是说,诊断结果更为准确。

这是心房震颤的ROC曲线,红十字是不同人类医生的表现,绿点是人类医生的平均水平,已然被这个深度学习模型所超越。

给医生挑错,AI“批卷”能力强

最后,吴恩达团队还在论文里给出了两个12类型判断结果的混淆矩阵。

在这个研究中,是以一群心脏病专家组成的委员会判断的心率做为标准答案的。

先来看人类医生的判断和标准答案对比。

这个混淆矩阵中,横向是人类医生的平均水平,纵向是标准答案。

我们可以看出,第一列心房颤动(atrial fibrillation)和第八列窦性心律(sinus rhythm)的结果中,许多判断是不准的。

下面再看AI的判断和标准答案对比。

在这个混淆矩阵中,横向是AI的预测,纵向是标准答案。

两个混淆矩阵图对比一下,我们会发现,AI的判断结果图中左上-右下方向的蓝色鸽子颜色更深,其他部分的格子颜色更浅。

换句话说,AI判断正确的概率,要远高于人类医生判断的准确率。

不难得见,如果这个AI能进一步商用,可以承担帮医生“对答案”的工作,只要一个计算机程序,就可以起到接近专家会诊的效果,比医生自己单打独斗诊断出的病情准确多了。

四个共同一作介绍

这项研究的作者们来自美国AI界和医疗界的多个机构,包括斯坦福计算机系和医学院、iRhythm公司、UC旧金山医学院以及部分政府医疗机构。

四位共同一作中,有两位是吴恩达的学生。

一位是Awni Hannun,刚刚过去的2018年从斯坦福博士毕业。他不仅是吴恩达的学生,甚至还算吴恩达同事,因为他也曾在百度从事过两年AI研究工作,参与百度语音识别系统DeepSpeech的研发工作。

另一位吴恩达的学生是Pranav Rajpurkar,这位小哥可是歌红人不红,他的代表作正是机器阅读理解领域的标杆SQuAD数据集

师从吴恩达期间,这位小哥一直在研究AI医学相关的项目,除了这个心律失常的诊断项目,他还做过CheXNet肺炎检测、MURA骨骼X光片、CheXNeXt胸部X光片深度学习、MRNet膝关节深度学习等许多项目。

这位共同一作名叫Masoumeh Haghpanahi,和吴恩达团队合作的那个iRhythm公司的机器学习科学家,马里兰大学帕克分校的电子与计算机工程博士,做过许多健康检测方面的研究。

还有一位共同一作,Geoff Tison,AI医疗专家,UC旧金山医学院的助理教授,约翰霍普金斯大学医学博士。

传送门

数据集

https://irhythm.github.io/cardiol_test_set/

斯坦福项目介绍网页

https://stanfordmlgroup.github.io/projects/ecg2/

此前的论文

Cardiologist-Level Arrhythmia Detection with Convolutional Neural Network

作者:Pranav Rajpurkar, Awni Y. Hannun, Masoumeh Haghpanahi, Codie Bourn , Andrew Y. Ng

https://arxiv.org/pdf/1707.01836.pdf

One More Thing

其实,在同一期Nature Medicine上,刊登了三项AI医学相关研究。

除了吴恩达团队的这篇心电图的研究之外,还有:

Mayo study的AI心脏病检测器

https://www.eurekalert.org/pub_releases/2019-01/mc-msu010319.php


关键字:吴恩达  AI  人类医生  心电图

编辑:鲁迪 引用地址:http://news.eeworld.com.cn/medical_electronics/2019/ic-news01119253.html
本网站转载的所有的文章、图片、音频视频文件等资料的版权归版权所有人所有,本站采用的非本站原创文章及图片等内容无法一一联系确认版权者。如果本网所选内容的文章作者及编辑认为其作品不宜公开自由传播,或不应无偿使用,请及时通过电子邮件或电话通知我们,以迅速采取适当措施,避免给双方造成不必要的经济损失。

上一篇:自主研发肺穿刺手术导航及手术机器人系统,精劢医疗获千万元级Pre-A轮融资
下一篇:加州大学研发出一种闭环神经刺激器 可自动检测和预防癫痫发作

关注eeworld公众号 快捷获取更多信息
关注eeworld公众号
快捷获取更多信息
关注eeworld服务号 享受更多官方福利
关注eeworld服务号
享受更多官方福利

推荐阅读

苹果乏力自动驾驶,将收购吴恩达旗下自动驾驶企业Drive.ai

据多家外媒报道称,苹果周二对媒体证实,已经收购了美国陷入困境的自动驾驶研发公司Drive.ai,并挖来了数十名自动驾驶技术工程师。 过去两周,Drive.ai已经停止运营。在其日前向加州就业发展部提交的文件中显示,该公司将于6月份关闭办公室,裁汰90名员工,并永久关闭业务。此前,Drive.ai已经与多家潜在收购方进行了谈判,但是最终只有苹果有意收购。 公开资料显示,Drive.AI由斯坦福大学的8名人工智能研究员于2015年创立,总部设在加利福尼亚州,主要业务是为使用深度学习(deep learning)技术的无人驾驶汽车开发人工智能(AI)软件。 百度前首席科学家吴恩达的妻子Carol
发表于 2019-06-26
苹果乏力自动驾驶,将收购吴恩达旗下自动驾驶企业Drive.ai

吴恩达团队最新AI医疗成果:精准预测高血压治疗效果

近日,吴恩达宣布其斯坦福实验室团队在AI最新的成果:运用机器学习方法,能够更加精确预测患者在高血压治疗中可能获得的效果。在一般的心血管疾病中,疾病治疗带来的绝对风险降低(ARR)是与该病的基线风险相关的,即高风险的患者能从治疗中获得更多的收益。而斯坦福实验室使用随机试验数据,开发一个能够估计个体治疗效果的模型。斯坦福实验室团队对两个假设进行了测试:第一,个体治疗效果的模型将显示,高强度的高血压治疗下,患者的收益与疾病的基准风险成正比;第二,设计用于预测异构治疗效果的机器学习方法:X-learner 元算法,并假设 X-learner 的算法的效果与传统的逻辑回归(Logistic Regression)方法相当。吴恩达团队将常规
发表于 2019-03-19

吴恩达:独立的AI技术没有意义 更看好这些细分领域

在2018中国人工智能峰会上,吴恩达先生受邀出席,并发表了《如何用人工智能为商业赋能》的主题演讲。深度参与过百度和谷歌的人工智能转型,对于AI如何切实得帮助传统企业转型,从而带来真真实实的赋能效应,吴恩达在现场表达了很多自己的观点。他谈了AI如何渗透进传统企业管理体系,探讨了AI技术与场景融合的逻辑,通过企业案例来分析了如何运用AI更好地进行商业策略规划,给了CEO们三个建议,最后他说,AI的产业未来,一定需要政府、企业与学校的共同协作。这是演讲中的吴恩达,而在演讲之外,镁客网特别对吴恩达先生进行了专访,邀请他谈谈另一面的人工智能,谈谈科学里的人文情怀。8岁离开香港的吴恩达广东话说的并不算好,倒是他的中文比想象中要流利
发表于 2018-09-10

吴恩达的Drive.ai,在教自动驾驶汽车如何与人类交流

一台搭载着乘客的汽车,行驶在马路上,要解决两个方面的问题:一是让乘客有安全感;二是让周边的人和车有安全感。现在,这两个方面的问题,都是由充当司机角色的人类来解决。当自动驾驶成为高频词,机器即将替代人类驾驶的时候,搭载着自动驾驶技术的车辆,就要解决上述两个方面的问题了。自动驾驶汽车如何与人类交流,尤其是与车内的乘客和周边的人如何交流,这是一个问题。Drive.ai的产品和设计主管Bijit Halder认为,这是一个如何取代人类驾驶员的问题。Drive.ai是总部位于硅谷的一家自动驾驶初创公司,但是,来头很大,因为有吴恩达,人工智能领域的大咖。  吴恩达从百度离职后,就加入了其太太Carol Reiley任联合创始人的无人驾驶初创
发表于 2018-08-23

吴恩达landing.ai正将人工智能带进工厂

  台湾制造业巨头富士康集团雇佣了员工百万余人以及成千上万的机器设备来执行iPhone及其它电子产品的生产制造过程。他需要进一步消减成本,包括人工费用。现在,它将与人工智能研究人员利用机器学习等AI技术将工厂效率提升到新的高度。下面就随网络通信小编一起来了解一下相关内容吧。  吴恩达是斯坦福大学教授,2011年加入谷歌机器学习研究项目,主要是创建一个能够识别猫脸图片的系统,这个项目就是谷歌大脑,而吴恩达因此成为“谷歌大脑之父”。后来吴恩达加盟百度,开始百度大脑的探索。而在最近,离开百度自立门户的第三个月,他公布了其重大项目landing.ai,此项目旨在帮助制造商利用人工智能技术,而富士康成为他的第一个客户。  制造业还没有
发表于 2017-12-19

NVIDIA GPU解决方案全面展示AI赋能下的专业视觉体验

近日,亚太专业视听和交互体验式通信技术交流的平台会议InfoComm China 2019在北京启幕,作为全球视觉计算技术的行业领袖,NVIDIA携专业视觉解决方案Quadro RTX GPU和虚拟GPU解决方案等领先产品亮相,集中展示AI赋能下专业视觉领域新突破,以及NVIDIA最新专业视觉解决方案在提升工作效率,推进专业视听产业升级中不可或缺的作用。                                       
发表于 2019-07-19
NVIDIA GPU解决方案全面展示AI赋能下的专业视觉体验

小广播

About Us 关于我们 客户服务 联系方式 器件索引 网站地图 最新更新 手机版

站点相关: 医学成像 家庭消费 监护/遥测 植入式器材 临床设备 通用技术/产品 其他技术 综合资讯

北京市海淀区知春路23号集成电路设计园量子银座1305 电话:(010)82350740 邮编:100191

电子工程世界版权所有 京ICP证060456号 京ICP备10001474号 电信业务审批[2006]字第258号函 京公海网安备110108001534 Copyright © 2005-2019 EEWORLD.com.cn, Inc. All rights reserved