源之原味

视觉疼痛 AIs: 深度学习如何检测眼部疾病

 

这篇文章来自 nvidia.com。原始 url 是: https://blogs.nvidia.com/blog/2017/12/18/how-deep-learning-detects-eye-disease/

以下内容由机器翻译生成。如果您觉得可读性不好, 请阅读原文或 点击这里.

在她去世前的几年, 我的母亲开始失去视力黄斑变性。由于她的中央视力模糊, 她不得不放弃她的驾照。起初, 她可以阅读与越来越大的放大镜, 但后来她不能这样做, 无论是。最终, 甚至承认面孔是一个试验。

眼睛显示晚期黄斑变性。
晚期黄斑变性。

年龄相关的黄斑变性, 被称为 AMD, 是一个领先的原因视力丧失和失明的美国人超过50。没有解药下面的图片给你一个场景的想法-两个小男孩拿着球-可能看起来像一个人的疾病。

"人 (与 AMD) 是痛苦的。到处你看, 有一个在中心的模糊点, 说: " Dr. 亚伦李, 华盛顿大学 opthamologist 和专门研究视网膜问题的助理教授。

理想的 AI

Lee 相信 AI 可以帮助--不仅是那些有 AMD 的人, 还有那些引起视力丧失的眼病。

GPU-加速 深入学习 他说, 也许能够发现医生错过的疾病征兆, 或者加快诊断速度, 这样医生就可以更快地开始治疗。他已经开发出深入的学习算法来发现 AMD 和黄斑水肿, 这是一种损害中心视力的疾病。

在所有的医学领域中, 眼科是最适合从 GPU 加速的深入学习中受益的, 李说。眼科医生不仅收集了训练神经网络所需的大量数据, 而且这些数据在整个领域都是高度标准化的。

"惊人的东西"

Lee 和他的团队专注于一个叫做光学相干断层扫描 (OCT) 的测试, 它使用光波来拍摄视网膜的剖面图。医生每年进行超过 500万 OCT 测试, 以诊断 AMD、青光眼和糖尿病视网膜病变等病症。在糖尿病患者中, 高血糖水平会损害视网膜的血管, 影响视力。

研究人员将10万例 OCT 扫描结果与电子健康记录联系起来, 以创建 AMD 检测算法。他们训练了一个神经网络, 以确定患者的 AMD-达到的准确率为 93%-使用 cuda 并行计算平台 GeForce GTX 泰坦 X gpu 与 cuDNN 加速的 Python 拿深入学习框架。

光学相干断层扫描 (OCT) 测试, 让医生看到每个视网膜的独特层。(图片由 Ugur Onder Bozkurt 通过创造性的共同性。

在仅仅三周内完成的 AMD 算法, 打消了李对 GPU 加速深入学习的优势的怀疑。

"我看到这里发生了一些惊人的事情," 他说。"使用常规的计算机体系结构来处理那个大小的数据集并训练一个像我们使用的那样大的神经网络是不可能的。

AI 匹配专家

高兴与这些结果, 李增加了计算能力与八 NVIDIA P100 gpu 要解决 OCT 扫描中识别 intraretinal 流体 (公路联合会) 的难题。在视网膜血管受损的情况下, 可以窃取视力的公路联合会。医生们观察了医院联合会以确定病人对药物的反应以及他们是否在改善。

该小组训练了一个神经网络, 以逐像素的水平识别公路联合会, 目前是一个依靠医生判断的人工过程。他们的算法, 以及专家, 并会给医生一个方法, 以客观地跟踪多少病人改善随着时间的推移。

Lee 说: "我们正处在利用深度学习的悬崖上, 向我们展示我们作为医生所忽视的图像的特征。

在上面的 OCT 扫描中, 用黄色高亮显示的区域是那些 AI 确定为最重要的诊断。这些与图像中异常特征的位置完全匹配。
In the OCT scans above, the regions highlighted in yellow are those the AI identified as most important to making a diagnosis. These match up exactly with the location of the abnormal features in the images. (Image courtesy of Aaron Lee.)

Sights Set on AI

But Lee sees much more opportunity for AI to transform ophthalmology.

He expects it to detect eye disease faster and more efficiently so doctors can spend more time treating patients. It could help address a growing shortage of doctors available to treat an aging population or provide care to people in regions where doctors are scarce. And it could lead to new insights into the causes of AMD and other diseases.

“AI is going to play a big role in how patients are treated in the future,” Lee said.

For more information, read Lee’s papers on his research:

The researchers open-sourced their work on github athttps://github.com/uw-biomedical-ml/oirhttps://github.com/uw-biomedical-ml/irf-segmenter.

Main image for this story is an optical coherence tomography (OCT) scan of the macula. (Courtesy of Ugur Onder Bozkurt under a Creative Commons license.)

Leave A Reply

Your email address will not be published.