雷锋网 AI 研习社按，今年一月，吴恩达团队公布医学影像数据集 MURA，MURA 是目前最大的 X 光片数据库之一，包含源自 14982 项病例的 40895 张肌肉骨骼X光片。1 万多项病例里有 9067 例正常的上级肌肉骨骼和 5915 例上肢异常肌肉骨骼的 X 光片，部位包括肩部、肱骨、手肘、前臂、手腕、手掌和手指。每个病例包含一个或多个图像，均由放射科医师手动标记。
图：MURA 数据库，包括肩部，肱骨，手肘，前臂，手腕，手掌和手指等上肢。
日前，斯坦福宣布基于 MURA 发起一项检测肌肉异常的深度学习挑战赛。
主办方使用隐藏测试集进行模型评估，参赛团队需要在 Codalab 上提交代码，然后他们提供的代码将会在非公开测试集上运行。主办方表示，这样的设置保证了比赛的公平性。
此前，基于 MURA，吴恩达团队开发了一个有效的异常检测模型，他们将一个或多个 X 光片输入该模型预测每个 X 光片的异常概率，然后得出同一病例所有 X 光片异常概率的平均值，之后作为 X 光片的异常概率输出。他们从 209 项持续跟踪的病例中挑选了 6 个病例，将模型和专业放射科医生给出的诊断结果进行比较，发现模型的诊断能力达到了与放射科医生相当的水平。「在诊断手指和手腕异常时，模型检测异常的能力强于最好的医生。然而，在诊断膝、前臂、肱骨和肩部异常时，模型的表现不如医生的表现。」
那么这次的比赛，会产生出新的强大的深度学习模型吗？拭目以待。
比赛信息参见：https://stanfordmlgroup.github.io/competitions/mura/
相关文章：
正在生成分享图...
我在思考中