作者（大佬，原K-MeleonCCF瀏覽器的作者 ）單基礎投入50臺1080ti+房子+維護成本就至少50萬，而且是非盈利性質，完全自掏腰包免費使用，作者提供了桌面應用和iOSapp，而且全部免費使用，目的是儘可能幫助更多的乳腺癌早期患者，早發現早預防早治癒，說實話很令人佩服。
丁香園的架構師也表達了合作意向。
作者原文如下：
去年的時候，我一個在芝加哥比我小几級的南京大學校友去世了。乳腺癌，發現得晚了，才 34 歲，留下了一個 4 歲的孩子。非常可惜。想想能不能做點什麼事情可以幫助大眾來提高乳腺癌的早期檢測成功率。因為如果在 stage 1 發現乳腺癌的話，5 年存活率是 99%。
想想能否寫一個完全免費的網站和 ios app 來讓用戶可以迅速得到 X-ray Mammogram 的診斷結果。至少可以是 2nd Opinion. 因為用戶做完 Mammography 之後有時候需要等好幾天才能有 Radiologist 來讀片子。而且現在 Radiologist 有 20% 的概率會漏掉早期的腫瘤。我決定用 Deep Learning (深度學習) 來做這件事情。
對於一個足夠好的 Deep Learning Model, 一是要有足夠多的數據 (即使是做 Transfer Learning 的情況下), 二是要有足夠強大的計算力。為了做成這件事情，我在本地搭建了一個 50 個 Nvidia Geforce GTX 1080 Ti 的 GPU cluster, 這是搭成之後的硬件:
有了硬件之後就是設計 Model 和收集數據。我從北美和歐洲的幾個研究組獲取了 Annotated Breast Mammo 的數據。這些 Annotation 大多都是根據北美 ABR certified 的 Radiologist 做出的。也就是如果這個 Model 能夠訓練好，就可以達到 ABR Certified Radiologist 的 Reading 的平均水平或者更好。
最終的結果我在歐洲的 InBreast 數據上做了測試，達到了 90% 的準確度 (AUC).
我覺得這個 Model 已經可以給大眾實用了，在這裡公開出來:
http://neuralrad.com
你可以直接上傳 .jpg 形式的 Mammo 圖片，這個 AI 會給出判斷結果. 這是 Screenshot:
這個網站是完全免費使用的。我現在還在繼續更新和改進 Model, 也在聯繫國內的幾家醫院來合作來獲取更多的數據來 Training.
University of Kentucky Hospital 和國內的一家合作公司已經在測試了這個模型
乳腺癌檢查去年有個全世界競賽，他們先用這個競賽獲得第二名程序測試了 MIAS 數據，漏了 10 個 case, 然後他們用我的網站測試了一下，只漏了一個
這個第二名程序發表了一篇自然雜誌的論文:
https://www.nature.com/articles/s41598-018-22437-z
這兩天，我也公佈了完全免費的桌面版本，支持讀取和瀏覽 dicom 文件，並自動轉換 Normalize for AI analysis. 在 InBreast 的 Dicom 數據上 AUC （準確率）大概 93%。桌面版本截圖:
下載地址就在網頁主頁上。
[06/12/2018 更新] NeuralRad Mammo AI 桌面版本更新到了 1.2, 修復 dicom/jpg 文件路徑有中文或者空格導致無法返回正確結果的問題。依然從主頁 http://neuralrad.com 免費下載
閱讀更多 賤賤看啥片兒 的文章
