雷鋒網(wǎng) AI 研習社按，今年一月，吳恩達團隊公布醫(yī)學影像數(shù)據(jù)集 MURA，MURA 是目前最大的 X 光片數(shù)據(jù)庫之一，包含源自 14982 項病例的 40895 張肌肉骨骼X光片。1 萬多項病例里有 9067 例正常的上級肌肉骨骼和 5915 例上肢異常肌肉骨骼的 X 光片，部位包括肩部、肱骨、手肘、前臂、手腕、手掌和手指。每個病例包含一個或多個圖像，均由放射科醫(yī)師手動標記。

圖：MURA 數(shù)據(jù)庫，包括肩部，肱骨，手肘，前臂，手腕，手掌和手指等上肢。

日前，斯坦福宣布基于 MURA 發(fā)起一項檢測肌肉異常的深度學習挑戰(zhàn)賽。

主辦方使用隱藏測試集進行模型評估，參賽團隊需要在 Codalab 上提交代碼，然后他們提供的代碼將會在非公開測試集上運行。主辦方表示，這樣的設置保證了比賽的公平性。

此前，基于 MURA，吳恩達團隊開發(fā)了一個有效的異常檢測模型，他們將一個或多個 X 光片輸入該模型預測每個 X 光片的異常概率，然后得出同一病例所有 X 光片異常概率的平均值，之后作為 X 光片的異常概率輸出。他們從 209 項持續(xù)跟蹤的病例中挑選了 6 個病例，將模型和專業(yè)放射科醫(yī)生給出的診斷結果進行比較，發(fā)現(xiàn)模型的診斷能力達到了與放射科醫(yī)生相當?shù)乃?。「在診斷手指和手腕異常時，模型檢測異常的能力強于最好的醫(yī)生。然而，在診斷膝、前臂、肱骨和肩部異常時，模型的表現(xiàn)不如醫(yī)生的表現(xiàn)?！?/p>

那么這次的比賽，會產(chǎn)生出新的強大的深度學習模型嗎？拭目以待。

比賽信息參見：https://stanfordmlgroup.github.io/competitions/mura/

相關文章：

吳恩達團隊公布最大醫(yī)學影像數(shù)據(jù)集 MURA，基于深度學習檢測骨骼疾病

雷峰網(wǎng)版權文章，未經(jīng)授權禁止轉載。詳情見轉載須知。