深度学习模型识别耳部疾病，准确率提升至95%

深圳北鲲云计算有限公司

2021年6月9日 10:32

耳科疾病作为一种常见病，如果不及时治疗，可能会留下一些负面影响，如听力障碍。Pichichero Poole研究发现，514名儿科医生诊断耳炎的平均准确率仅为50% 。如果没有辅助工具的帮助，诊断耳部疾病对于非耳鼻喉科医生来说是有难度的，很容易出现诊断失误。

基于这种情况，迫切需要找到一种新的诊断策略来提高诊断准确性，深圳宝安人民医院的研究团队开发了一款 基于耳镜的耳科疾病诊断实时深度学习系统 。该研究成果发布在Nature旗下的综合期刊Scientific Reports。

近年来，深度学习作为一种很有前途的图像识别或分类方法，是图像自动感知、处理和决策的基础，长期以来一直是计算机视觉领域的热门话题，已广泛应用于耳朵和听力疾病分类。

基于41056名患者的20542张标记耳内镜图像数据集，研究团队分别建立了80%和20%的图像训练集和验证集。

然后在四卡的高性能计算服务器上使用 深度学习框架PyTorch 进行迁移学习网络模型训练，将训练集的鼓膜图像样本和EAC图像样本特征输入到深度神经网络中进行分类，并在验证数据集上观察12个训练模型的性能。

（内镜图像混淆矩阵和灵敏度-特异性曲线）

最后选择2个最优模型构建集成分类器，设计并开发了耳疾实时自动识别系统，其 分类准确率达到了95.59%。

深度学习模型识别耳部疾病，准确率提升至95%的图5

（模型的学习曲线）

研究表明，基于耳镜的耳科疾病诊断实时深度学习系统在未改变耳镜、视频序列的情况下，可以实现对鼓膜和外耳道疾病的高准确度分类。

算力不足，就找北鲲云

随着深度学习的广泛应用，算力需求也迅猛增长。传统的人工智能算法往往由单台机器进行 CPU计算即可完成，而深度学习算法往往需要采用GPU等加速部件，动辄几台机器，甚至十几台机器同时运算，才可以完成一个模型的计算，常常因为算力资源不足 ,而拖延项目研究的整体进度。

北鲲云自主研发了 一站式云超算平台 ，该平台通过对AWS、阿里云、腾讯云、微软云、谷歌云、华为云等主流公有云的资源整合，配合独有的并行计算调度管理模块，能为用户快速构建与安装部署一个“独享式“云端超算中心资源，提供从数据、软件到算力的全流程服务，帮助研发团队解决算力不足问题，有效地缩短研究周期。

联系我们免费获取2000核时算力体验券

立刻开启云上高性能计算