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。