本文來自AI新媒體量子位（QbitAI）
據報道，全球現在超過17億人的肌肉骨骼都出毛病，每年大概有3千萬的急診病例，而且這個數字還在往上走。骨骼方面的問題已經成為了最常見的慢性重症。
為了加快X光片的診斷速度，近日斯坦福吳恩達領頭的研究團隊開源了含有4萬張人體上肢端的X光片的資料集MURA，并用這個資料集訓練CNN尋找并定位X光片的異常部分。
最後訓練的結果，是該模型在手指和手腕X光片中的診斷表現比放射科醫生要好些。
△ 經過MURA訓練的模型可以準确定位出手腕和手指的異常部位
不過放射醫生依然能比模型更準确地診斷出手肘、前臂、手、上臂及肩膀的異常。
△ 圖中綠色字型表示表現最優，紅色字型代表表現最差。模型對手指、手腕的診斷效果要比三位放射醫生的效果都要好。手肘和前臂的診斷結果比人類都差。
該神經網絡含有169層。當輸入多角度的上肢X光片時，模型就可以預測出異常的機率。
△ 模型預測X光片異常的工作流
作為最大的醫學影像資料集，MURA所含的4萬張圖都是由放射科醫生一張張标注的。
△ 人工标注的4萬張X光片。左上，正常的手肘；右上，骨折的上臂；左下，骨骼退化的指端；右下，打了鋼闆和鋼釘的尺骨和桡骨。
這四萬張圖來自近15000篇論文，其中9067篇為正常上肢骨骼肌X光片的研究，5915篇是異常研究。上肢包括肩膀、肱部、手肘、前臂、手腕、手、指端。
現在，越來越多的資料集湧現出來，給深度學習提供了非常好的條件。AI算法在圖像識别上能逐漸超越人類很大程度上得益于這些資料集的開源。下面列舉一些目前在醫學影像資料集供大家參考。
△ MURA目前是最大的開源醫學放射圖像資料集。第二大的資料集是Pediatric Bone，含有14236張圖，可以根據手的X光片測出人的骨齡；0.E.1是關于膝關節的資料集，可用來查出膝關節炎。
不過，依照目前AI發展的速度來看，醫學院應該停止培養放射專業的學生了。多倫多大學計算機系教授Geoffrey Hinton在接受紐約客采訪時認為。
最後，附論文連結：
https://arxiv.org/pdf/1712.06957.pdf
資料集要等到2月才會公布，可以持續關注Stanford ML
https://stanfordmlgroup.github.io/projects/mura/
本文作者：Root
原文釋出時間：2018-01-19