近日麻省理工学院发布了一种可以帮助检测黑色素瘤的人工智能，它利用深层卷积神经网络，快速分析患者皮肤的广域图像，可以更有效检测癌症。

它的工作原理是先使用智能手机摄像头拍摄一张病人的皮肤切片，人工智能检测、提取和分析图片中可观察到的所有色素皮肤病变，通过预先训练的深层卷积神经网络确定单个色素病变的可疑性并对其进行标记。提取的特征用于进一步评估色素性病变，并以热图格式显示结果。

研究人员使用马德里Gregorio Maraón医院133名病人的20388张照片以及公开获取的图像数据集对该人工智能进行训练。该人工智能在区分非可疑病变、皮肤和复杂背景时的敏感度超过90.3%，避免了繁琐和耗时的单个病变成像。

研究人员解释说：“我们的研究表明，利用计算机视觉和深层神经网络来量化这些癌症常见的信号，可以达到与皮肤科医生相同的精确度，我们希望我们的研究能激发在基础医疗环境中进行更有效的皮肤病筛查，更快，更早的发现癌症。”

医疗数据标注服务案例

脑出血影像标注项目

本项目是对颅脑CT层段扫描的影像里面的出血点进行标注，本项目数据由客户提供，影像图片格式为医疗领域专用的一种特殊格式，使用专业的医疗标注工具ITK-snap进行标注。

口腔咽喉滤泡标注项目

本项目是对咽喉滤泡进行标注，每张照片要包含4种标签，1.给软口盖部分抠图，要将硬口盖、软口盖、口盖舌弓、口盖咽头弓包含进去。2.给软口盖上的小丘疹抠图并打标签。3.给镜头到咽头后壁的拍摄距离打标签。4.给客户已经抠好图的滤泡打滤泡反光大小的标签。

脑细胞标注项目

本项目是一个对脑细胞图像进行标注的项目，数据由客户提供，每组图像包含脑部细胞以及角质细胞，其中脑部细胞呈现为红圈包含小绿点的形式，角质细胞为大绿点，使用专业的医疗标注工具ITK-snap进行标注。

医疗成品数据集 

数据堂拥有种类丰富的医疗成品数据集，可即时交付。数据堂严格遵守相关规定，所采集的数据均已获得被采集人授权，致力推动智慧医疗的快速发展。

胸片数据集

该数据集有近7000张胸片数据，其中70%为健康人类的胸片，30%为肺炎患者的胸片，本数据集通过Philips Medical Systems设备采集。

人脸肤质缺陷采集数据

该数据集有近5000人参与采集，包含痘痘、痘印、色斑、皱纹、黑眼圈五种肤质缺陷，年龄分布从少年到老年，以中青年为主，采集环境包括室内场景到室外场景。

医疗类多轮问答数据

该数据包含20万组医疗场景下的多轮问答数据，每组对话记录了患者和医生的对话过程，包含疾病类别和问答过程。