研究人员利用卷积神经网络在检测脑出血方面取得非常卓越的准确率

近些年随着深度学习技术及其相关应用的不断更迭，越来越多的研究人员开始使用这种技术在科学领域展开研究。

例如此前苏黎世联邦理工学院的研究团队与英伟达合作开始使用卷积神经网络训练模型研究宇宙中存在的暗物质。

而在医疗领域谷歌旗下的人工智能公司也利用这类技术检测病症，核心目的都是提高机器判断各类病症的准确性。

美国加利福利亚大学伯克利分校与旧金山分校医学院合作成立研究团队利用深度学习和卷积神经网络检测脑出血。

研究团队利用加州大学旧金山分校医学院提供的扫描数据训练卷积神经网络模型，最终取得非常卓越的检测成就。

为提高准确度研究团队将X射线计算机断层成像 (CT)分成多个区域，然后有卷积神经网络模型分析出血详细数据。

研究团队表示现在每张扫描成像都可以在几秒钟内完成分析，模型除了会判断是否为脑出血外还会测量出血结果。

研究团队使用 NVIDIA V100 Tensor Core 显卡和亚马逊云计算服务作为基础设施构建卷积神经网络的训练模型。

模型在学习和分析大量加州大学旧金山分校医学院提供的数据后，模型判断准确率已经达到惊人的99.1%±0.6%。

这个准确率极高并且有助于规避医生的失误判断，可用于医院识别急性颅内出血、帮助医生判断脑出血的情况等。

研究团队表示新的卷积神经网络模型不仅可以提高判断准确率，还可以减轻医生的工作负担提高医生的诊断效率。

未完全开源：对于有兴趣获得源代码的机构需联系加州大学获得批准，在被批准后研究团队将提供完整的源代码。