目录
背景
- 全球挑战：2018年造成100万人死亡（女性第二致死率癌症）
- 世卫组织建议项目：X线钼靶筛查
- 缺点：高的假阳性和假阴性；解读成本高；
模型：谷歌+DeepMind
- 数据集的来源，这里只是验证集，不包含训练集
- 如何确定ground truth？通过预后跟踪，三个月的缓冲期
- 三种评估所建模型的效果
- 跟临床医生的判断进行比较
- 左边是在UK测试集上的效果
- 右边是在USA测试集上的效果，模型训练时是否包含了UK数据集（实线：包含，虚线：不包含）
对这个工作褒贬不一：
- 之前有发表过类似的工作，更大的验证，更好的模型效果（但是没有引起这么高的关注）
- 这个工作的代码没有公布。文章结尾只说了详细描述了如何复现，但是很多tool依赖于谷歌自己的框架。
- 过分夸大AI的效果，可以辅助医疗，但是远未达到完胜的程度。
参考
If you link this blog, please refer to this page, thanks!
Post link：https://tsinghua-gongjing.github.io/posts/AI-in-breast-cancer.html
Previous:
基于三代测序数据预测m6A修饰位点
Latest articles
Links
- ZhangLab , RISE database , THU life , THU info
- Data analysis: pandas , numpy , scipy
- ML/DL: sklearn , sklearn(中文) , pytorch
- Visualization: seaborn , matplotlib , gallery
- Github: me