- 皮膚癌
- 皮膚癌生存機率
- 醫學分類
- 數據
- 圖像挑戰
- 數據挑戰
- 訓練神經網路
- 隨機權重跟預初始化權重
- 訓練驗證
- 敏感性與特異性
- 癌症診斷
- ROC曲線
- 與醫生結果相比
- 可視化
- 神經網路關注是什麼
- 混淆矩陣
- 有用資源
- 皮膚科醫生的人工智能
- 美國每年約有20%患有皮膚癌，但絕大多數是良性癌。
- 零期跟四期生存機率差異相當大。
- 零期跟四期從皮膚表面觀察卻有相當相似(深度不同)。
- 必須要經過非常嚴格的訓練的皮膚科醫生，才有辦法分類這些黑素瘤的不同。
- 收集約13萬張皮膚影像，並且都有正確分類了皮膚狀況。
- 將皮膚疾病的粗分成下列幾項大類別。
- 根据以下图像，如何找出决定病变是良性（上方）还是恶性（下方）病变的特征吗？
- benign(良性), malignant(惡性), epidermal lseion(表皮損傷), melanocytic lesion(黑素細胞病變)
- 除了收集數據外，還要花大量的時間清洗數據和整合數據。
- 在清洗這些皮膚的數據影像時，會遇到重合，分辨率改變，亮度改變等挑戰。
- input: 皮膚狀況圖片
- Inception V3
- ouptut: 757種不同的皮膚疾病
- 隨機權重：不經過transfer learning，直接隨機權重從頭訓練辨識皮膚影像。
- 預初始化權重：經過transfer learning，拿之前訓練辨識貓狗的權重，開始訓練辨識皮膚影像。
- 以上哪個辨識皮膚影像的結果比較好?? - Ans: 預初始化權重
- 神經網路內部在學習辨識時，抓到了某些pattern其實是跟圖片類別沒有什麼關係。
- validation test的結果準確率約72%。
- 接下來把這些validation test的影像給兩位不同醫生來做鑑定，發現醫生鑑定的準確率分別約為65.6%跟66%。
- 機器觀察皮膚影像的準確率是否比醫生還準確
-
在癌症示例中，敏感性和特异性指：
- 敏感性：在患有癌症的所有人中，诊断正确的人有多少？
- 特异性：在未患癌症的所有人中，诊断正确的人有多少？
-
查准率和查全率的定义如下：
- 查准率：在被诊断患有癌症的所有人中，多少人确实得了癌症？
- 查全率：在患有癌症的所有人中，多少人被诊断患有癌症？
-
TP, TN, FP, FN
- 敏感性與特異性
- 查准率和查全率
- 我们将 0.2、0.5 和 0.8 作为阈值。请注意：
- 在 0.2 下，我们正确分类了每个恶性病变，但也对许多良性病变进行了进一步检查。
- 在 0.5 下，我们未诊断出一些恶性病变（严重），对少许良性病变进行了进一步检查。
- 在 0.8 下，我们对大部分良性病变进行了正确分类，但未诊断出许多恶性病变（非常严重）。
- 在该模型中，可能会有更好的阈值。这个阈值是多少？ Ans: 0.4
- 真阳性率作为水平轴，将假阳性率作为垂直轴。
- 在这一节课，我将使用不同的 ROC 曲线。我使用的曲线好像是把这个曲线侧翻了一样
- 把敏感性作为水平轴、特异性作为垂直轴
-
水平轴上的值都是可能阈值。对于 0 和 1 之间的任何阈值p，模型的结论如下：“该阈值左边的所有病变都被视为良性，其右边的所有病变都被视为恶性，并会接受进一步检查。”
-
敏感性：在所有恶性病变中，位于阈值右侧的病变（正确分类）的百分比是多少？
-
特异性：在所有良性病变中，位于阈值左侧的病变（正确分类）的百分比是多少？
-
我们将（敏感性，特异性）作为坐标系，绘制出这个点。如果绘制出与 0% 和 100% 之间的每个可能阈值对应的所有点，则会得到我在上面绘制的 ROC 曲线。因此，也可以将 ROC 曲线称为敏感性-特异性曲线。
- 在ROC曲線中，右上角這塊是最容易誤判的區域。
- 紅點是一位皮膚科醫醫生的診斷結果。
- 離藍色區域下面很遠。
- 對於相同的特異性，他會比正常程序遺漏3倍。
- 左側是傳統影像，右側是利用特殊的皮膚鏡裝置的影像。
- 紅點是所有皮膚科醫醫生根據影像判斷是否有可能癌症的機率。
- 綠點是平均值。
- 結果是相當分散的，表示有些醫生會積極地把樣本送到實驗室進一步檢測，有利於癌症發現，但有些可能不會這樣做，進而降低診斷成本，而是否可以正確判斷出皮膚癌，取決於你所選擇的醫生。
- 透過機器學習的可視化分類，發現機器的確將不同類的圖像很好聚合再一起。說明某種基礎空間跟視覺圖是有相關的。
- 在這些圖像中到底有哪些特徵，讓神經網路可以判斷出這樣的結果?
- 點顏色的深淺，就是一種特徵，點越黑就越有可能。
- 點的分佈，也是一種特徵，分布越散就越有可能。
- 每個項目皆是0~1之間。
- 每一列的合為1。
- CNN跟其他兩位皮膚科醫生的混淆矩陣。
- CNN在對於不同皮膚疾病的診斷較的判斷準確率較有一致性。(斜對角顏色較一致)
- 皮膚科醫生在某些不同皮膚疾病的診斷可能比較容易誤判。
