3月10日消息，近日，吴恩达团队新技术论文论文登自然杂志，该论文名为：“AppendiXNet：使用视频预训练从CT检查小数据集中利用深度学习诊断阑尾炎”。该研究目的是开发一个3D深度学习模型AppendiXNet，该模型使用少于500个训练CT考试的小型训练数据集来检测阑尾炎。据悉，AppendiXNet已在名为Kinetics的大量YouTube视频上进行了预训练，该视频由大约50万个视频剪辑组成，并为600种人类行为分类之一进行注释，然后在一个以阑尾炎为注释的438个CT扫描的小型数据集上进行微调。研究发现，在自然视频上对3D模型进行预训练可以将模型的性能从AUC的0.724（95％CI 0.625，0.823）显着提高到0.810（95％CI 0.725，0.895）。当训练数据有限时，深度学习在使用视频预训练的CT检查中检测异常的应用可以有效地推广到其他具有挑战性的断面医学成像任务。