訂閱電子報∣ 友善列印字體大小 文章分享-Facebook 文章分享-Plurk 文章分享-Twitter
美國國家衛生研究院推出醫療影像開放資料庫,推動AI演算法的進步
資策會Find研究員:曹嬿恆
獲取產業訊息零時差!立即訂閱電電公會電子報。

將AI演算法應用在醫療領域,咸認為其中一個主要技術阻礙在於缺乏大型醫療影像資料庫。有鑑於此,美國國家衛生研究院(U.S. National Institutes of Health ;NIH) 首度於2017年開放一個胸部X光影像的龐大資料庫,內含超過十萬張影像,無條件提供給大眾及科學界,以便在開發醫療應用技術時,用來測試及優化其中的人工智慧演算法。主導此計畫的是NIH實驗室的資深研究員暨放射線醫師Ronald Summers博士,他在接受AuntMinnie.com(註1)採訪時表示,深度學習法在放射線領域及其他醫療領域的應用方興未艾,但是卻極度缺乏資料可用,這個開放資料計畫推出,將為人工智慧技術用於電腦輔助胸部X光檢查的準確性,帶來長足的進展。

Ronald Summers博士再接再厲,於2018年再度開放一套名為DeepLesion的影像資料庫,內含10,600電腦斷層掃描影像(CT scans),加上Summers博士及其同僚所篩檢出來NIH放射專家先前對這些掃描影像所作的臨床相關標記,這些標記相當複雜,包含了大量描述病變位置與大小的箭頭、線條、文字等等,以便臨床醫師可用來監看病變的變化。這類醫療影像的標記需要有豐富的臨床經驗,而且標記的組織歸納也非常耗時。美國國家衛生研究院希望透過開放DeepLesion這類醫療影像與標記資料庫,能促使科學界在統一的架構下開發出一套大型的通用病變檢測器,作為初步的篩檢工具,並且能開發出可針對多種病變型態自動進行放射線偵測與診斷的人工智慧演算法。

註1:AuntMinnie.com是為了放射學專家和與其相關專業醫療影像的網站。

註2:開放資料庫DeepLesion的連結網址:

https://nihcc.app.box.com/v/DeepLesion

資料來源:
https://www.auntminnie.com/index.aspx?sec=sup&sub=aic&pag=dis&itemId=118376
https://www.auntminnie.com/index.aspx?sec=sup&sub=aic&pag=dis&ItemID=118447
https://physicsworld.com/a/nih-issues-huge-database-of-ct-scans-for-ai-testing/

訂閱電子報 友善列印 字體大小:
獲取產業訊息零時差!立即訂閱電電公會電子報。