图灵奖得主 LeCun 用来怼 Google 的乳腺癌 AI 论文，有何过人之处？( 八 )_2020年的第一天

（v）我们评估了在单一的神经网络中结合来自不同乳腺摄影视图的多种方法。我们未发现以前有过这样的分析，尽管医学成像任务通常有多个输入。

数据

我们的回顾性研究得到了机构审查委员会的批准，符合《医疗保险可携带性和责任法案》。这个数据集是我们早期工作中使用的数据集的更大、更仔细的版本。

数据集包括来自141473名患者的229426份数字乳腺摄影筛查（1001093张图像）。每次检查至少包含4张图像，与乳房X光摄影中使用的4个标准视图相对应：R-CC、L-CC、R-MLO和L-MLO 。数据集中的图像来自四种类型扫描器：Mammomat Inspiration（22.81%）、Mammomat Novation DR （12.65%）、Lorad Selenia（40.92%）和Selenia Dimensions （23.62%），图1显示了一些检查示例。

【图一】

我们依赖活检的病理报告，来标记患者的每个乳房是否有恶性或良性发现。我们有5832个检查在进行乳腺X片筛查的120天内至少完成一次活检。其中活检证实985例（8.4%）为恶性， 5556例（47.6%）为良性， 234例（2.0%）乳腺同时有良恶性征象。