图灵奖得主 LeCun 用来怼 Google 的乳腺癌 AI 论文，有何过人之处？( 五 )_2020年的第一天

我们把高准确率归因于以下技术进步：

一、网络创新性地分为两个不同阶段的架构和训练过程，我们在使用高容量patch-level网络从pixel-level标签学习的同时，设置另一个网络从整体上学习乳房级标签。
二、基于ResNet的自定义网络，用作我们模型的构建块，其深度和宽度方面的平衡针对高分辨率医学图像进行了优化。
三、在BI-RADS分类上对网络进行预训练，这是一项标签噪音较大的相关任务。
四、在许多可能的选择中以最佳方式组合多个输入视图。为了验证我们的模型，我们组织14位放射科医师进行了阅片，每位医师查看720份乳腺钼靶筛查图像。结果表明，我们的模型与有经验的放射科医生的判断结果一样准确。

此外，将放射科医生对恶性肿瘤的判断结果和我们神经网络的预测结果平均起来的混合模型更加准确。我们将模型在以下网址公开发布：
https://github.com/nyukat/breast_cancer_classifier