ag8亚洲游戏集团--Home

吴恩达带斯坦福ML组发了篇新论文:深度学习辨认14类心律不齐正确率超人类专家

2017-07-04

15046827615271.png


    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。

心律不齐的诊断困难
    假如患者疑似故意律不齐症状,通常会去医院做个心电图。但,在医院做的几分钟大概十几分钟心电图,每每发明不了题目,这时分大夫就大概会给患者一个可穿着的心电图监测器,要戴两周。
    两周,就要发生几百小时的心电图数据,大夫要一秒一秒地反省,从中找出患者能否呈现了有题目的心律不齐。
    更难的是,还得把有题目的心律不齐和宁静有害的心律不齐区离开,它们在心电图上看起来十分像。
    论文的次要作者之一、斯坦福大学研讨生Pranav Rajpurkar说:“心律信号之间的差别大概十分渺小,好比说,有两种心律不齐都叫二度房室传导停滞,它们在心电图上的体现也十分类似,但一种必要立即医治,一种不必要。”
    吴恩达率领的斯坦福呆板学习小组把这看作一个数据迷信题目。
深度学习办法
    斯坦福呆板学习组的同砚们,要用深度神经网络,从心电图中辨认14类心律不齐。

1504682789609906152618.jpg


△ 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:

1504682875946906152618.jpg


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。

150468288483106152738.png


    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。