不同的 A.I. 架構以及算法都有不同的效用，而熟悉多種神經網絡的讀者都知道花最多的時間並非在算法的設計，而是在資料準備方面。但我們都知道有越多的數據就有更大的機會可以得到更好的推論結果，如果資料量不夠又能夠怎麼辨？也就只能用方法「自動生成」了。 Nvidia GANs 由此而生。
在以往聽起來不可能的事情，因為多了「自我學習」的方式，令生成資料變得可能和可靠。 Nvidia 的工程師最近就發表了一個新的神經網絡系統，能夠自動生成大腦 MRI 影像，希望能夠加速腦癌的治療。
這次的研果成果是由 Nvidia 、Mayo Clinic 、MGH 、BWH 一起研究出來的，這對於數據科學家來說是一個相當重要的神經網絡系統：終於有方法可以自動生成一堆可靠的數據出來了。而這次的算法生成的全部是大腦的 MRI 影像，所有影像的共通點都是「模擬」腦癌病人的例子，說到這裡大家都知道發生什麼一回事吧，這些數據是用來研究腦癌治療以及對於病患即時治療使用的。
他們的首席工程師 Hu Chang 在訪問時提到這是第一次可以自動生成有效的大腦 MRI 圖片，並確認可以用於神經網絡訓練方面，而背後用的框架是 Facebook 提出的 PyTorch 以及 Nvidia DGX 平台，採用 GANs 存構進行自我學習，利用以往的原始數據去生成更多的大腦 MRI 圖像。
他們這次用了兩組的公開資料庫，分別是 Alzheimer’s Disease Neuroimaging Initiative (ADNI) 以及 Multimodal Brain Tumor Image Segmentation Benchmark (BRATS)，以及利用 BRATS 的 20% 進行交叉驗證，因為算力的問題，他們必須要把圖片降至 256 x 256 x 108 至 128 x 128 x 54 的解像度，但驗證方面則使用原始圖像以確保準確性。
另一個 GANs 神經網絡的用途是把病人的資料進行「加密」，利用他們的大腦影像去「生成」一個全新的 MRI 圖片，並保留所有的重要部份。話雖如此，他們現時的準確度亦只有 80% 左右，縱使比現時的模型準確度高 14% ，亦仍有進步的空間。
團隊表示正研究用更高解像度的圖片進行神經網絡訓練，希望能改善這個模型，幫助醫療方面的發展。
引用來源： VentureBeat
這篇文章 以為老黃只有顯卡嗎？ Nvidia GANs 神經網絡生成影像系統 最早出現於 TechApple.com。
