对斯坦福Nature论文宣布的新突破“深度学习皮肤癌诊断达专家水平”，你咋看
细读了这篇文章，觉得问题本身很有意思（类似于咱们中国特色的面相痣，随便show几张百度到的相关图片，感兴趣的同学可以掏出手机自拍一张图片对比看一下【注意，一定要关闭美颜功能，要敢于直面真相】。比如说，男生眉心的痣代表嫉妒、或者左眉上面的痣代表**，或者女生脸上或者背部上面的痣，也分别赋予了更深刻的含义。我真的佩服网友的想象力！！！），只是对于白种人，癌病的风险比较大。严格来说美国每年都有 540 万人患皮肤癌，在早期检测到的黑色素瘤的 5 年生存率在 97% 左右，如果晚期查出 5 年生存率将会下降 14%，皮肤癌的早期发现可能会对其结果产生巨大的影响。
实验设计和数据的细节处理很值得称赞（此处就不赘述）。能在nauture发表，主要还是得意于高出以往研究2个数量级的，13万张样本且几乎覆盖了所有皮肤癌的种类。（数据不仅大而且全）
结果是在 21 位经过认证的皮肤科医生（不一定是某些媒体报道的“专家”）的监督下，测试了它在活检证实的临床图像上的性能。第一例代表最常见的癌症的识别，第二例代表了最致命的皮肤癌的识别。深度卷积神经网络在这两个任务上的表现都达到了所有测试的专家的水平，证明了该人工智能的皮肤癌鉴定水平达到了媲美皮肤科医生的水平。（AI也没有强太多，稍微好点）
【对斯坦福Nature论文宣布的新突破“深度学习皮肤癌诊断达专家水平”，你咋看】
并在文末展望：配备该深度神经网络的移动设备可以让皮肤科医生的诊断拓展到临床之外。据预测，到 2021 年，将有 63 亿智能手机订阅该功能，实现低成本的重要诊断（具有重大经济价值）。
--------------------------------------------------------
说说我觉得遗憾的地方：
1、测试集的样本量只有几千张，还是太少了。
2、使用了迁移学习（Imagenet），没有比较其他网络和不用迁移学习的效果，
实验室是否太单薄？
3、作用还是对癌症的初筛，不够硬气！
---------------------------------------------------------
更多干货，尽在“人工智能在医疗领域的冰与火 Live”，欢迎捧场
Live 入口 （点我、点我）
本次 Live 主要包括以下问题：*学术界AI在医疗领域的新进展有哪些*我所知道的智能医疗的现状是什么*为什么还没有太大突破*医疗AI会有哪些些看得见的突破*以及其他你关注的医疗AI相关的话题。
更多相关问题，Kaggle2017—1百万美金的肺癌检测竞赛的难点哪儿？ - https://www.zhihu.com/question/54775243
■网友
本文为2017年nature上刚发的深度学习医学应用的文献，构造了一种CNN网络对皮肤癌进行分类。皮肤癌主要通过视觉观察诊断，初步通过临床筛选、皮肤镜分析、活检和组织病理学检查。本文利用一个单独的CNN结构，训练一个含有129450临床图像的数据集（包含有2032个不同的疾病）。在活检证明的临床图像中测试两个二分类任务：角化细胞癌VS良性 脂溢性角化病，恶性黑色素瘤VS良性的痣，CNN的结果优于21名皮肤科医生，这些说明了在皮肤癌分类中，AI能够达到皮肤科医生的分类结果。
本文的主要特点：
本文采用的是迁移学习，利用GoogleNet Inception v3 CNN architecture，在CNN结构上没有创新和改进。本文的数据集包含129,450 临床图像, 包括3,374 皮肤镜图像，其中包含2032种疾病。本文的主要贡献之一，利用分类算法将2032种疾病分为树状结构，根节点为3个：代表the first-level nodes，第二级节点为9个：the second-level nodes，页节点为757种疾病类型。实验结果证明，在分类的训练集上达到了更好的效果！本文的结果呈现方式也值得借鉴，包括t-SNE visualization、Saliency maps等。
推荐阅读
- 有没有啥办法在家用利用学校的网下论文
- 武汉美斯坦福的IT技能培训咋样
- 大家有哪些论文图表绘制必备技能
- 博导|学生拒博导索贿后发论文被阻 遭退学？中大学风办：纯属诬告
- 学生拒博导索贿后发论文被阻、遭退学？中大回应
- 信息管理与信息系统专业论文咋写
- 天津一职业学院两老师论文涉嫌大面积抄袭 学校回应
- 关于与高并发方面有啥影响大的论文，经典的图书可以看看
- 本人正在读研，计算机专硕，不想看论文，但是导师要求我看还要做ppt在小组讨论会上讲，到底该咋做啊
- 怎样写邮件给（著作、论文）作者能显得得体而又不易被忽视