平安科技10篇论文入选美国顶级年会，技术探索和应用切中前沿( 四 )_秋天

2、无监督学习识别异常胸片

X光胸片是放射科室业务中占比最大的影像种类，近年来，特别是随着2017年NIH发布胸片公开数据集以来，对于X光胸片人工智能应用层出不穷。由于胸片数量大，各个医院乃至同一个医院不同设备数据来源不一。另外现在主流的AI系统开发都是采用有监督的深度学习方法，要求医生对于各种胸片的疾病征象都需要标注，这造成研发工作中的较大负担。

平安科技人工智能中心和NIH合作，对于数据来源不同的X光片如何自适应，以及采用弱监督甚至无监督的方式对异常胸片的识别，进行了大胆探索，均获得满意的结果。研发出的无监督方式下的TUNA-NET，在儿童肺炎X光片的识别的任务上获得了AUROC=0.963的结果，已经非常接近于有监督学习的结果(AUROC=0.981).