《表2 基于暗规则的机器学习算法》
基于暗规则的算法,是指不进行具体的规则设定,而是通过分类标注学习,AI技术自行归纳出算法规则。算法需要在单细胞或单图像上进行标注,将分类数据传输进算法模型,进行多层的自动化分类。不同分类之间差异性越大,交叉与混淆数据越少,则分类的效果越好。足够大的图像数据训练集,合适的各分类数据比例,可得到较为满意的分类结果。而事实上,在实际病理图像中,多分类之间的数据特征差异性较小,并存在多特征交叉重叠情况。基于暗规则的深度学习方法,虽然避免了基于病理知识图谱的规则设定,降低了计算机专家撰写规则的复杂性,但面临着标注数据量大,一致性与规范性以及算法的不可解释性等问题。若出现偶然性失控局面,医生与AI工程师很难在第一时间找出错误的根源,因此修正手段也不能保证可以直接修正错误本身,可能带来一定的诊断误差或者错误风险。基于深度学习的算法主要使用卷积神经网络(convolutional neural network,CNN),以及在其基础上发展出来的算法,例如区域神经网络(region-CNN或R-CNN)、基于区域的全卷积神经网络(region-based fully convolutional networks,R-FCN)、Single Shot MultiBox Detector(SSD算法)等[6],见表2。
图表编号 | XD00128144900 严禁用于非法目的 |
---|---|
绘制时间 | 2019.11.28 |
作者 | 车拴龙、刘栋、刘斯、罗丕福 |
绘制单位 | 广州金域医学检验中心病理中心、广州金域医学检验中心病理中心、广州金域医学检验中心大数据中心、广州金域医学检验中心病理中心 |
更多格式 | 高清、无水印(增值服务) |