医疗人工智能的民主化：跨两机构结合迁移学习开展模型开发的研究
图像与视频处理
2020-09-29 v1 计算机视觉与模式识别
摘要
深度学习模型的训练通常需要大量数据，而在放射学中用于开发人工智能（AI）模型的大型精心整理医学图像数据集并不易得。认识到迁移学习（TL）可让某一机构完全训练好的模型由另一机构使用小得多的本地数据集进行微调的潜力，本报告描述了在开发基础用例AI模型——即四维冠状动脉计算机断层 angiography 图像上左心室心肌（LVM）分割——背景下，TL所面临的挑战、方法论与收益。最终，我们比较了使用随机初始化本地训练的模型与经TL增强训练的模型所预测的LVM分割结果，表明由TL初始化的用例模型可利用稀疏标签以可接受性能开发。该过程减少了在临床环境中不同机构构建新模型所需的时间。
引用
@article{arxiv.2009.12437,
title = {Democratizing Artificial Intelligence in Healthcare: A Study of Model Development Across Two Institutions Incorporating Transfer Learning},
author = {Vikash Gupta1 and Holger Roth and Varun Buch3 and Marcio A. B. C. Rockenbach and Richard D White and Dong Yang and Olga Laur and Brian Ghoshhajra and Ittai Dayan and Daguang Xu and Mona G. Flores and Barbaros Selnur Erdal},
journal= {arXiv preprint arXiv:2009.12437},
year = {2020}
}
备注
8 pages, 5 figures, pre-print