深度學習模型識別耳部疾病，準確率提升至95%

深圳北鯤云計算有限公司

2021年6月9日 10:32

耳科疾病作為一種常見病，如果不及時治療，可能會留下一些負面影響，如聽力障礙。Pichichero Poole研究發現，514名兒科醫生診斷耳炎的平均準確率僅為50% 。如果沒有輔助工具的幫助，診斷耳部疾病對于非耳鼻喉科醫生來說是有難度的，很容易出現診斷失誤。

基于這種情況，迫切需要找到一種新的診斷策略來提高診斷準確性，深圳寶安人民醫院的研究團隊開發了一款 基于耳鏡的耳科疾病診斷實時深度學習系統 。該研究成果發布在Nature旗下的綜合期刊Scientific Reports。

近年來，深度學習作為一種很有前途的圖像識別或分類方法，是圖像自動感知、處理和決策的基礎，長期以來一直是計算機視覺領域的熱門話題，已廣泛應用于耳朵和聽力疾病分類。

基于41056名患者的20542張標記耳內鏡圖像數據集，研究團隊分別建立了80%和20%的圖像訓練集和驗證集。

然后在四卡的高性能計算服務器上使用 深度學習框架PyTorch 進行遷移學習網絡模型訓練，將訓練集的鼓膜圖像樣本和EAC圖像樣本特征輸入到深度神經網絡中進行分類，并在驗證數據集上觀察12個訓練模型的性能。

（內鏡圖像混淆矩陣和靈敏度-特異性曲線）

最后選擇2個最優模型構建集成分類器，設計并開發了耳疾實時自動識別系統，其 分類準確率達到了95.59%。

深度學習模型識別耳部疾病，準確率提升至95%的圖5

（模型的學習曲線）

研究表明，基于耳鏡的耳科疾病診斷實時深度學習系統在未改變耳鏡、視頻序列的情況下，可以實現對鼓膜和外耳道疾病的高準確度分類。

算力不足，就找北鯤云

隨著深度學習的廣泛應用，算力需求也迅猛增長。傳統的人工智能算法往往由單臺機器進行 CPU計算即可完成，而深度學習算法往往需要采用GPU等加速部件，動輒幾臺機器，甚至十幾臺機器同時運算，才可以完成一個模型的計算，常常因為算力資源不足 ,而拖延項目研究的整體進度。

北鯤云自主研發了 一站式云超算平臺 ，該平臺通過對AWS、阿里云、騰訊云、微軟云、谷歌云、華為云等主流公有云的資源整合，配合獨有的并行計算調度管理模塊，能為用戶快速構建與安裝部署一個“獨享式“云端超算中心資源，提供從數據、軟件到算力的全流程服務，幫助研發團隊解決算力不足問題，有效地縮短研究周期。

聯系我們免費獲取2000核時算力體驗券

立刻開啟云上高性能計算