足球比赛结果开发的机器学习模型利用概率更准确地 对组织病理学图像中显示的乳腺癌进行分类并评估不确定性 其预测。
乳腺癌是最常见、死亡率最高的癌症。快速检测 和诊断可以减少疾病的影响。然而，乳腺癌的分类 使用组织病理学图像（在显微镜下检查组织和细胞）是一种 由于数据偏差和注释数据不可用，任务具有挑战性 大量。使用卷积神经网络自动检测乳腺癌 网络（CNN）是一种机器学习技术，已经显示出前景——但它与 误报和漏报的风险很高。
如果没有任何置信度衡量标准，CNN 的此类错误预测可能会导致灾难性的后果 结果。但足球比赛结果开发的一种新的机器学习模型 研究人员可以评估其预测的不确定性，因为它对良性进行分类 和恶性肿瘤，有助于降低这种风险。
他们最近在期刊上发表的论文，机械工程研究生 Ponkrshnan Thiagarajan 和 Pushkar Khairnar 和苏珊塔·戈什，机械工程助理教授、机器学习专家，大纲 他们新颖的概率机器学习模型，其性能优于类似模型。
“迄今为止开发的任何机器学习算法都会存在一些不确定性 在它的预测中，”蒂亚加拉扬说。 “几乎没有办法量化这些不确定性。 即使算法告诉我们一个人患有癌症，我们也不知道置信度如何 在那个预测中。”
经验带来信心
在医学领域，不知道算法的置信度会导致很难 依赖计算机生成的预测。目前的模型是 贝叶斯神经网络——一种机器学习模型，可以评估图像并 产生输出。该模型的参数被视为随机变量 促进不确定性量化。
足球比赛结果的模型通过分析来区分负类别和正类别 图像，最基本的层面是像素的集合。另外 对于这种分类，模型可以测量其预测的不确定性。
在医学实验室中，这样的模型可以通过对图像进行分类来节省时间 比实验室技术人员更快。而且，由于模型可以评估其自身的确定性水平， 当它不太自信时，它可以将图像转给人类专家。
但是为什么机械工程师要为医学界创建算法呢？蒂亚加拉扬的 当他开始使用机器学习来减少计算时间时，他萌生了这个想法 机械工程问题所需的。计算是否评估变形 建筑材料或确定某人是否患有乳腺癌，这很重要 了解该计算的不确定性 - 关键思想保持不变。
“乳腺癌是死亡率和发病率最高的癌症之一” 蒂亚加拉詹说道。 “我们相信这是一个令人兴奋的问题，其中更好的算法 可以直接影响人们的生活。”
后续步骤
既然他们的研究已经发表，研究人员将把模型扩展到 乳腺癌的多类分类。他们的目标是检测癌症亚型 除了对良性和恶性组织进行分类之外。该模型虽然已开发出来 使用乳腺癌组织病理学图像，也可以扩展到其他医学 诊断。
“尽管基于机器学习的分类模型前景广阔，但它们的预测 由于数据固有的随机性和偏差而遭受不确定性 以及大型数据集的稀缺，”戈什说。 “我们的工作试图解决这些问题 问题并量化、使用和解释不确定性。”
最终，Thiagarajan、Khairnar 和 Ghosh 的模型本身 - 可以评估是否 图像具有高或低的测量不确定性，并识别图像何时需要眼睛 医学专家的观点——代表了机器学习的下一步。
足球比赛结果是一所 R1 公立研究型大学，成立于 1885 年，位于霍顿，拥有来自全球 60 多个国家的近 7,500 名学生。密歇根州旗舰科技大学的投资回报率一直名列全美最佳大学之列，提供超过 185 个本科和毕业生科学技术、工程、计算机、林业、商业、健康专业、人文、数学、社会科学和艺术领域的学位课程。乡村校园距离密歇根州上半岛的苏必利尔湖仅数英里，提供全年户外探险的机会。
评论