由于佛罗里达中央大学的计算机视觉研究中心，医生可能很快就可以帮助对抗癌症。

该中心的工程师们已经教过计算机如何在CT扫描中检测肺癌的微小斑点，放射科医生经常难以识别。该团队表示，人工智能系统的准确度约为95%，而人眼完成后则为65%。

“我们用大脑作为模型来创建我们的系统，”UCF曲棍球队的博士候选人和队长Rodney LaLonde说。“你知道大脑神经元之间的联系如何在发育和学习过程中加强吗?如果你愿意的话，我们会利用这个蓝图来帮助我们的系统了解如何在CT扫描中寻找模式并教会自己如何找到这些微小的肿瘤。”

该方法类似于面部识别软件使用的算法。它扫描数千个寻找特定模式的面孔以找到它的匹配。

工程助理教授Ulas Bagci领导该中心的研究人员，专注于人工智能和潜在的医学应用。

该小组通过与梅奥诊所合作，由美国国立卫生研究院提供1000多次CT扫描，进入他们开发的软件，帮助计算机学习寻找肿瘤。

从事这个项目的研究生必须教电脑不同的东西，以帮助它正确学习。正在攻读博士学位的Naji Khosravan创建了学习系统的支柱。他对新型机器学习和计算机视觉算法的熟练程度促使他在Netflix实习期间帮助公司完成了各种项目。

LaLonde教会计算机如何忽略在CT扫描和肺组织中遇到的其他组织，神经和其他肿块。今年夏天获得博士学位的Sarfaraz Hussein正在调整AI识别癌症与良性肿瘤的能力，而研究生Harish Ravi Parkash正在从这个项目中吸取经验教训并应用它们看看是否可以开发另一个AI系统帮助识别或预测脑部疾病。

“我相信这将产生非常大的影响，”巴奇说。“肺癌是美国头号癌症杀手，如果在晚期检测到癌症，生存率只有17%。通过寻找早期帮助鉴定的方法，我认为我们可以帮助提高生存率。”

该团队将于9月在西班牙举行的最大型医学影像研究会议 - MICCAI 2018会议上展示其发现。该团队的工作已在会议之前公布。

下一步是将研究项目转移到医院环境中;Bagci正在寻找合作伙伴来实现这一目标。在此之后，该技术可能距离市场还有一两年的时间，Bagci说。

“我认为我们都来到这里是因为我们希望利用我们对工程的热情来改变现状，拯救生命是一个巨大的影响，”LaLonde说。

拉维普拉卡什同意。在听说Bagci和他在UCF的工作之前，他正在研究工程及其在农业方面的应用。Bagci的研究领域包括生物医学成像和机器学习及其在临床成像中的应用。在此之前，Bagci是美国国立卫生研究院传染病影像实验中心的一名科学家和实验室经理，该实验室位于放射学和影像科学系。