吴恩达率领的斯坦福呆板学习组(Stanford ML Group)近来开辟了一种深度学习新算法，能诊断14类心律不齐，正确率可以媲尤物类大夫。
他们的论文周四发布在了Arxiv上，题为Cardiologist-Level Arrhythmia Detection with Convolutional Neural Networks，用卷积神经网络举行心脏病专家级的心律不齐检测，作者包罗Pranav Rajpurkar、Awni Hannun、Masoumeh Haghpanahi、Codie Bourn和吴恩达。
△ iRhythm的可穿着心电图监测器Zio
他们和可穿着心电图监测设置装备摆设厂商iRhythm互助，搜集并标注了来自29163名患者的64121份心电图数据，以200 Hz的频率采样，构建了大范围的训练集和校验集，用来训练神经网络。
随后，他们又从328名患者处搜集了336份心电图数据，组成了测试集。
数据会合的心电图样本每段30秒，都颠末专业大夫标注。测试集的数据标注则颠末3名心脏病专家构成的委员会“会诊”得出。
为辨认心电图，他们构建了34层神经网络，包罗33个卷积层、一个全毗连层和softmax，以原始心电图工夫序列为输出，每秒输入一次展望标签。
下图展示了这个深度神经网络的布局：
后果
最初，他们找了6名心脏病专家，辨别从测试集的心电图中辨认心律不齐，又以3名专家会诊的后果作为尺度，将人类辨认的后果、算法辨认的后果与之举行比力。
他们发明，算法的正确率与受过专业训练的人类心脏病专家相称，在许多状况下乃至比人类更好。
上图蓝色表现算法的辨认成果，黄色是人类专家的辨认成果；Sequence F1表现算法/人类展望与尺度后果之间多个标签均匀重合度，Set F1表现独一分类标签的重合度。
辨认正确率差未几的状况下，这个算法与人类相比有着宏大上风：它看几百小时的心电图也不会累，可以继续、即时地诊断心律不齐。
临时来看，斯坦福ML组盼望能借助专家级的心律不齐辨认算法，让更多无法实时就医的人能取得诊断，也盼望能让可穿着设置装备摆设在伤害的心律不齐产生时，能实时举行提示。
吴恩达说，这正是深度学习进步患者诊断质量、帮大夫浪费工夫的时机之一。
