深度丨吴恩达团队最新论文：用CNN算法识别肺炎影像，准确率超过人类医生

大数据文摘作品

编译：姜范波

吴恩达团队又有新动态！北京时间11月16日，吴恩达连发两条推文，称“放射科医生应该担心他们会丢掉工作了！最新突破——利用胸部X光片，我们可以用深度学习方法诊断肺炎，在这点上，算法做得比人类医生好。论文已发布在arXiv上。”

关注大数据文摘微信公众号，在后台对话框内回复“肺炎”，即可下载这篇论文拜读啦！

论文中用到了CheXNet算法，它可以诊断14种病症，在肺炎诊断方面，比放射科专家单独诊断的准确率更高。

图：放射科医生Matthew Lungren（左）与研究生Jeremy Irvin和Pranav Rajpurkar会面，讨论算法检测结果。 研究人员利用算法开发的工具生成了这些图像，这些图像与热图类似，并显示了X光片中可能为肺炎的区域。 （图片来源：L.A. Cicero）

斯坦福机器学习小组研究生，论文并列第一作者Pranav Rajpurkar说：“通过X光胸片来诊断肺炎等疾病极具挑战性，不同的放射科医师得到的结论都可能不一样。我们的兴趣在于开发机器学习算法，从数十万胸片诊断中学习，并做出准确的诊断。”