EDICIóN GENERAL
404 meneos
1877 clics
Un algoritmo de "deep learning" es tan bueno diagnosticando cáncer de piel como dermatólogos veteranos [ENG]

Un algoritmo de "deep learning" es tan bueno diagnosticando cáncer de piel como dermatólogos veteranos [ENG]

El sistema ha sido entrenado con una colección de 130,000 imágenes de lesiones de piel, con más de 2,000 enfermedades diferentes.

etiquetas: ai , deep learning , cáncer , piel , detección
El artículo es muy interesante...

Lo único que me ralla es que digan que digan que el algoritmo de "deep learning", cuando es una red neural, el "deep learning" solo es un paso para entrenar esa red... vale, serán manías mias...
#1 A mi me ralla que llamen red neural a una simulación que corre en binario.
#1 Deep learning es cualquier sistema de más de dos capas, no es ningún paso del entrenamiento
#14 er, deep learning, all menos como me lo han enseñado a mi: un sistema de n capas (n>=5) con el mismo número de neuronas de entrada que de salida y entrenandose con backpropagation pero añadiendole errores en la capa central, hasta que el resultado es lo suficientemente aceptable según los parametros. Entonces se cogen los valores de los pesos entre la última y la penúltima capa y, invertidos, se usan como pesos de la primera capa en una red de backpropagation estandar, que se entrena con el conjunto de datos que se ha realizado el deep learning (aunque hay quien lo amplia).

Así es como me lo enseñaron a mi...
#17 pues siento decirte que no es así, de hecho con las mismas neuronas en la entrada que en la salida tendrías por ejemplo un autoencoder que no se entrena con backpropagation.
Con backpropagation puedes tener una CNN, pero en la salida tendrías tantas neuronas como clases.
De echo hay un montón de arquitecturas y modelos de redes y otras cosas que no son redes que son Deep learning y no entran en tu definición (por que no usan backpropagation o por el número de capas o por el número de neuronas).
CNN no entra
Dbn no entra
LSTM no entra
CDBNs tampoco etc
#19 hecho con las mismas neuronas en la entrada que en la salida tendrías por ejemplo un autoencoder que no se entrena con backpropagation.

Discrepo totalmente.

Te aconsejo este curso:

www.coursera.org/learn/neural-networks

(Es la segunda parte de: www.coursera.org/learn/machine-learning)

Los he hecho los dos con notas superiores al 80% (No lo pongo por fardar, lo pongo para que veas que los conocimientos que tengo no están sacados de una revista)
#21 pues se te ha olvidado
#27 vale... ala! buenas noches.
#17 deep learning no es una arquitectura de nn, y menos una tan fija, sino una serie de algoritmos para entrenar sistemas de prediccion. Puedes tener diferentes arquitecturas. De hecho, cada dia salen papers que cogen algo existente y lo hacen "deep". Siento decirte que te han enseñado mal lo q es deep learning o lo has entendido mal.
#25 El artículo va de la identificación y clasificación de imagenes.

Estaría más que sorprendido si el deep learning utilizado no es el que he descrito.

Justamente, en el curso que indico, se usaba tal como he explicado para la identificación y clasificación de imagenes complejas.
#28 para clasificación no hace falta usar redes neuronales en varias capas, pero para que te publiquen el paper si.
Es un problema que sabemos de sobra que se resuelve bien con ordenador, no es nada nuevo.
No sirve de nada, seguirán diagnosticando los médicos por que las maquinas no asumen responsabilidad alguna.
#14, bueno, es una discusión un tanto bizantina, si se trata de la topología del sistema, lo que sería la red neuronal o del algoritmo de aprendizaje de pesos, lo que sería el deep learning, en todo caso es cualquier sistema multi-capa y eso es lo que todo el mundo que se dedica a ello entiende por deep learning ya que una cosa sin la otra no tiene sentido.
#1 serán manías mias
Se llama rigor amigo mío y algunos se te echarán encima por practicarlo.
#1, a mi me ralla que le llamen red neural en lugar de red neuronal. :troll:
#29 Touche! :-D
#1 ninguna manía, es una enorme metedura de pata, se diría que le hicieron el guión.
Podrá llegar a ser igual de bueno, pero no creo que llegue a ser igual de rápido. Yo fui al dermatólogo a que me revisaran unas constelaciones de lunares chungos que tengo, y la tía tardó menos de 1 minuto (literal) en revisarme a ojo el cuerpo entero (plantas de los pies incluidas) y decirme que todos los lunares eran buenos. O no se lo tomaron muy en serio, o tienen un callo cogido a esto impresionante.
#2 1 minuto para el cuerpo entero.... yo iría a otro por si las moscas
#3 Y digo un minuto porque estaba incómodo y se me hizo largo, pero apostaría a que fue menos. Me echó un vistazo de frente, otro de espaldas, me hizo levantar los brazos y las plantas de los pies, y arreando. Y era un centro privado, por cierto.
#2 Lo bueno seria que en un futuro se utilizaran ambos sistemas, humano y máquina, lo que reduciría la tasa de error en los diagnósticos.
#4 Hasta que llegue un momento en que el diagnóstico del humano sea tan innecesario como irrelevante, y simplemente se dedique a otras tareas distintas que no sean el diagnóstico.
#4 Más que la tasa de error creo que realmente lo interesante es tener un sistema de diagnostico híbrido (maquinas y personas) con una red neural que no cuesta dinero y puede atender 24H al día... si el primer diagnostico realizado por la maquina detecta algo ya se pasa al especialista humano para validar el diagnostico y empezar el tratamiento oportuno si fuera necesario.

Mejor eso que tener un sistema de salud saturado o con colas tan grandes que la gente tenga que acabar en la consulta…   » ver todo el comentario
#4 Un algoritmo bien entrenado con una base de datos lo suficientemente grande, y al que se le retroalimentan sus fallos y aciertos (por biopsia o historial futuro de cada paciente) acabará por no necesitar un dermatólogo que le ayude o le corrija. De hecho, idealmente el sistema podría remarcar los indicios sobre los que se fija y entrenar a su vez a los dermatólogos.

Y esto no quiere decir que los dermatólogos se vayan a quedar sin trabajo ni muchísimo menos (#12). Quiere decir que podrán dedicar mucho más de su tiempo a la atención personalizada del paciente, a llegar a conocerle y sus circunstancias, y poder recomendarle los mejores tratamientos o actitudes a seguir.
#2 Precisamente lo que va a ser es rápido, porque no vas a tener que ir a ningún sitio, con hacerte una foto es suficiente.
#2 Una vez entrenado es instantáneo =P
#2, #6, entre la infinidad de ventajas de las redes neuronales está la facilidad de paralelización del cálculo que se realiza dentro de de todos los perceptrones que se encuentran en una misma capa ya que no existe dependencia entre sus parámetros de entrada, si se dispone de una arquitectura hardware con suficientes núcleos el tiempo de ejecución es casi casi instantaneo. E incluso sin paralelizar las redes neuronales carecen de bucles, que es lo que realmente hace que un software corra lento. Vamos, que son muy eficientes en términos de coste computacional.
#35 Bueno, en mi portátil Asus guarrero y calculando en monoprocesador también es instantáneo xD
#2 Imagina una aplicación para el móvil que te pueda dar un diagnóstico profesional e inmediato de cualquier cosa que tengas en la piel.

Accesible para cualquiera, en cualquier lugar del mundo y, puestos a soñar, gratuita.
#7 Precisamente cuando salgan las primeras aplicaciones al respecto yo diría que algunas de las primeras cosas que podrán diagnosticarse serán enfermedades de piel, o más bien aquellas que se distingan principalmente mediante patrones visuales.

Lo que pasa es que dependiendo de lo que sea es posible que también se necesite hacer cultivos para descartar unas u otras dolencias. Por ejemplo, determinados eccemas (en los pies, por ejemplo) hay algunas ocasiones en que casi podrían confundirse con…   » ver todo el comentario
#9 No creo que el algoritmo ese se pueda usar para "dermatosis"/"dermatitis" y similares con el mismo acierto que para los tumores.

Hoy ya se hace "teledermatoscopía" en muchísimos lugares del mundo y se utiliza con bastante éxito para priorizar lo que tiene que esperar el paciente para tener una cita para el dermatólogo en un servicio de salud público(=las lesiones más graves, como los melanomas, obtienen cita antes de 15 días, las lesiones claramente benignas,…   » ver todo el comentario
Si alguno padecéis o conocéis a alguien que padezca de cáncer de piel, podéis probar con savia de Celidonia, machacando una hoja con los dedos para extraer el jugo anaranjado, y aplicándolo directamente sobre el cáncer o manchas solares. Se puede plantar en macetas en casa, por lo que el coste es prácticamente cero.


35.-Hierba Berruguera, Celidonia (Chelidonium Majus)

PROPIEDADES
Colagoga, colerética, protector hepático, sedante.
Aplicación tópica, propiedades oftálmicas, manchas solares y…   » ver todo el comentario
#11 En serio ¿eres tonto?
Una de mis mejores amigas ha tenido un cáncer de piel, y si descubro que un magufo como tú la ha convencido para echarse esa mierda encima de un cáncer, te aseguro que no tienes pies para correr lo suficiente.
#11 Una cosa es una verruga. Otra un cáncer.
El melanoma mata a mucha gente.
No aconsejes a nadie, absolutamente a nadie que se eche "plantitas" en algo que pueda ser un melanoma. Podrías terminar siendo responsable de su muerte :-(
#11 He recuperado la contraseña de la que ya ni me acordaba sólo para votarte negativo por magufo de mierda.
Pagara impuestos el doctor Algoritmitos de los cojones??? Ein??
Se tuvieron que crear su base de datos con fotos de internet...
FLIPO con que a estas alturas del siglo no se registre por sistema cada diagnóstico medico asociado a historial clínico, con fotos, para cada paciente que va al médico y que se crucen los datos. Hay tanto conocimiento aún por descubrir y tanta información desperdiciada :palm:
#23 Hay una cosa que se llama "secreto médico" y otra que se llama "derecho a la privacidad" que evita que se puedan cruzar datos tan fácilmente.
Hay muchas razones para desearlo así: enfermos que no quieren que otras personas (ni otros médicos) conozcan su enfermedad previa (por ejemplo, una gonorrea, o una enfermedad psiquíatrica, un stress postraumático tras violencia doméstica...) y, además, esa enfermedad pasada puede que no tenga relevancia para la enfermedad actual (para un melanoma actual, por ejemplo)....

Para colgar una foto de un enfermo en la red, éste debe haber dado previamente su consentimiento y se han de quitar todos los datos que puedan identificarlo, incluso aunque sea una publicaicón médica.
Nuevas noticias:
- Yo solo estoy esperando una noticia como: "Deep learning descubrió por sí solo que era un algoritmo"
- Y la siguiente (y última noticia) "Deep learning vio que estaba muy mal programado y decidió mejorarse a sí mismo.
- Poco después se mejoró a sí mismo, pero la noticia nunca salió.
Es simpático cuando el tipo afirma en el vídeo que las redes neuronales se llaman "deep learning", como si no hubiera otros paradigmas de redes neuronales. De hecho, DL no es de los más interesantes, aunque sí de los más populares, gracias a Google. Se diría que faltó a la clase de clasificadores neuronales en Stanford.
comentarios cerrados

menéame