网友 Coolwulf （在cnBeta熟悉他的人可能都上了年纪了，他就是K-MeleonCCF浏览器的作者） 在 V2EX 上发文称，为了提升乳腺癌 X 光片的早期诊断速度，他特地提供了一个完全免费的网站和 iOS app 。起因是去年一位 34 岁的校友因乳腺癌晚期不幸离世，留下了一个才 4 岁的孩子。
惋惜之余，他思索着能不能做点什么事情，帮助大众来提高乳腺癌的早期检测成功率。因为如果在一期发现乳腺癌的话，5 年存活率高达 99% 。
正常（左）与癌性（右）乳房造影图像
那么，能否写一个完全免费的网站和 ios app，让用户可以迅速得到“乳腺 X 光片”（X-ray Mammogram）的诊断结果、或者至少可以是 2nd Opinion？
因为用户做完 Mammography 之后有时候需要等好几天才能有放射科医师（Radiologist）来读片子，而且现在有 20% 的概率会漏掉早期的肿瘤。
有鉴于此，Coolwulf 决定用 Deep Learning (深度学习) 来做这件事情。
对于一个足够好的深度学习模型（Deep Learning Model），一是要有足够多的数据（即使是做 Transfer Learning 的情况下），二是要有足够强大的计算力。
为了做成这件事情，我在本地搭建了一个 50 个 Nvidia Geforce GTX 1080 Ti 的 GPU 集群，这是搭成之后的硬件：
有了硬件之后就是设计 Model 和收集数据。我从北美和欧洲的几个研究组获取了“带注释的乳腺 X 光片”（Annotated Breast Mammo）的数据。
这些 Annotation 大多都是根据北美 ABR 认证的放射学者做出的。也就是说，如果这个模型能够训练好，就可以达到 ABR Certified Radiologist 识别的平均水平或者更好。
最终的结果我在欧洲的 InBreast 数据上做了测试，达到了 90% 的准确度（AUC）。
我觉得这个 Model 已经可以给大众实用了，在这里公开出来：
你可以直接上传 .jpg 形式的 Mammo 图片，这个 AI 会给出判断结果（下面是屏幕截图）：
这个网站是完全免费使用的。我现在还在继续更新和改进模型，也在联系国内的几家医院来合作来获取更多的数据来训练它。
肯塔基大学医院（University of Kentucky Hospital）和国内的一家合作公司已经在测试了这个模型。
乳腺癌检查去年有个全世界竞赛，他们先用这个竞赛获得第二名程序测试了 MIAS 数据，漏了 10 个 case，然后他们用我的网站测试了一下，只漏了一个。
这个第二名程序发表了一篇自然杂志的论文：
这两天，我也公布了完全免费的桌面版本，支持读取和浏览 dicom 文件，并自动转换 Normalize for AI analysis 。
在 InBreast 的 Dicom 数据上，AUC （准确率）大概 93% 。上面为桌面版本截图，下载地址就在网页主页上。
粤公网安备 44010602000162号
网友评论