癌症检测算法头名_ 附代码

Posted 2020-09-17

最近，近一万名数据科学家在数据科学方面参与开发机器学习算法，可以更精确地通过CT扫描检测癌变病变

数据科学家正在使用机器学习来解决肺癌的检测。从1月份开始，世界各地近1万名数据科学家在Kaggle上竞争开发最有效的算法，帮助医疗专业人员更早地准确地检测肺癌。

2010年，国家肺癌筛查试验显示，使用低剂量计算机断层扫描（CT）进行年度筛查，让计算机处理X光篇产生高对比度3D图像，可以减少肺部癌症死亡人数达20％。然而早期检测与更传统的X光片相比，该技术也导致了相对较高的误报率。

来自NCI的匿名高分辨率肺扫描

机器学习公司Kaggle的首席执行官Anthony Goldbloom说：“这是一个非常强大的方法，可以将癌症死亡率降低20％，但是误报率非常高。” 

所以对于今年的数据科学竞赛，Kaggle与合作方Booz Allen 决定引导数据科学和机器学习的能量来解决误报问题。合作方获得了由劳拉和约翰·阿诺德基金会资助的100万美元的奖金，分为前十名参赛选手。

数据科学为社会做好事

Booz Allen高级副总裁兼首席数据科学家Josh Sullivan说，Booz Allen和Kaggle在2015年创建了数据科学竞赛，努力将数据科学家重点放在社会上。

他说：“我们想创造出一些让人们聚集在一起为社会做出贡献的东西。” 

我们如何为社会福利做一些实质的事情？我们希望它能够让科学进步，对公众开放，虽然不利于我们的利益或客户的利益，但开源会让更多人受益。

Sullivan说，为了第三届年度数据科学竞赛（以前的数据科学竞赛专注于确定海洋健康和检测心脏病的算法），提交了300多个方案。最终他决定帮助美国国家癌症研究所（NCI）与拜登癌症月刊商讨，努力加速癌症研究，为更多的患者提供更多的治疗方案，并改善癌症预防和早期检测。

NCI为数据科学竞赛提供了2000个匿名的高分辨率CT扫描，每个图像包含千兆字节的数据。Sullivan说，1500个图像是训练集，伴随着最终的诊断。剩下的500张图像是问题集。使用训练集，竞争对手的机器学习算法必须学会如何正确地确定其余500幅图像中肺部病变是否癌变。根据正确诊断的百分比对算法进行评分。

数据已在Kaggle平台上传。谷歌在3月份收购的Kaggle由Goldbloom于2010年成立，专门负责预测建模和分析竞赛。公司和研究人员发布数据，使数据科学家能够竞争生产最好的模型。该公司拥有成千上万的跨越近200个国家的注册用户。

在这场比赛中，Kagglers是卷积神经网络（CNN）的专家，这是一种由生物体内视觉机制启发的深层学习神经网络。虽然CNN对许多不同类型的问题很有用，但CNN擅长计算机视觉问题。在以前的Kaggle比赛中，Kagglers竞争创建基于CNN的算法，可以在社交媒体上区分狗和猫的图片。

Goldbloom说：“这个数据很新奇，NCI提供的CT图像“。它真的把卷积神经网络推向了前所未有的高度，因为数据集的大小，医疗数据集总面临挑战，互联网上有多少猫和狗的图像呢？图像收集都非常昂贵，CT扫描数据更少。

而Goldbloom解释说，CNNs很容易出现称为“过度拟合”的效应，统计模型倾向于描述噪声而不是基本关系，因为相对于观测次数参数太多。

Goldbloom说：“构建不过分的卷积神经网络是困难的，数据集越小越难。“这真的是技术活，它必须在相对较少量的图像上进行泛化。”

近10,000名Kagglers参加了数据科学碗。他们总共花了15万多小时，提交了近18,000个算法。许多放射科医师在Kaggle的论坛上自愿提供专业知识，帮助竞争对手完善工作。

数据科学碗获胜者

最终，中国清华大学的两位研究人员廖方舟和李哲获得第一名。荷兰的软件和机器学习工程师Julian de Wit和Daniel Hammack取得了第二名。由位于荷兰的公司工作的成员组成的团队Aidence占据了第三名。

Sullivan说：“NIH [美国国立卫生研究院] 将最终与FDA [美国] 食品和药物管理局合作，并希望能够管理这些数据，以便他们可以进入实际阅读这些CT扫描的软件。这是我们试图推动的最大回报。”

他指出，他希望NIH和FDA能够查看一些顶级算法。顶级队伍的得分相差不到百分之几，有的可能会带来更多的技术可能性。

Kaggle竞赛地址：

https://www.kaggle.com/c/data-science-bowl-2017

第一名团队代码：

https://github.com/lfz/DSB2017

Validation, comparison, and combination of algorithms for automatic detection of pulmonary nodules in computed tomography images: the LUNA16 challenge

https://arxiv.org/abs/1612.08012

本文出自 “IT技术学习与交流” 博客，谢绝转载！