據外媒報導，近年來，深度學習及其應用不斷發展。最近，來自蘇黎世聯邦理工學院的研究人員就首次將這項技術用於暗物質研究中。現在，一個跟加州大學伯克利分校、加州大學舊金山分校(UCSF)醫學院合作的團隊訓練出了一個名為PatchFCN的捲積神經網絡，它能以驚人的準確性檢測出腦出血。

研究團隊在題為《Expert-level detection of acute intracranial hemorrhage on head computed tomography using deep learning》的在文章中稱：“我們使用了一個單級、端到端、全卷積的神經網絡來達到跟高度訓練的放射科醫師相當的準確性水平，包括放射科醫師錯過的異常識別和定位。”

據了解，該團隊達到了的準確率達到了99%，這是迄今為止檢測出腦出血的最高準確率記錄。在某些情況下，神經網絡的性能甚至還超過了經驗豐富的放射科醫生：“我們的算法證明了迄今為止該臨床應用中的最高準確性，其識別急性顱內出血為陽性的受試者工作特徵(ROC)曲線下面積(AUC)達到了0.991±0.006，並且還超過了4名放射科醫師中的其中2名。”

PatchFCN通過英偉達V100 Tensor Core GPU和亞馬遜AWS在來自UCSF附屬醫院的4000多張CT掃描數據集上接受訓練。訓練和分析則都以一種新穎的方式進行，在這個過程中，團隊將CT掃描分成不同部分，每個部分隨後可由模型展開分析。然後，研究小組通過分段大小進行實驗以獲得最佳結果從而提高模型的準確性。

此外，根據研究人員的說法，他們訓練的模型可以在幾秒鐘內就能分析好一張圖片。經過分析，該模型除了對腦出血的存在做出判斷外還能提供對每個腦出血的詳細追踪和測量。

對於醫院來說，這可能是一項重要的資產。該研究團隊相信，PatchFCN將不僅能提高生產量而且還能減輕放射科醫生的壓力從而提高他們的效率和生產力。

研究論文請戳這裡