完美世界有声小说全集,古风名字,大主宰天蚕土豆小说

公司簡(jiǎn)介

深度學(xué)習(xí)技術(shù)輔助識(shí)別胸部X光片中的新冠病毒

發(fā)布時(shí)間：2020-09-16 發(fā)布者：天為瀏覽次數(shù)：917

當(dāng)新型冠狀病毒（COVID-19）疫情開(kāi)始在世界范圍內(nèi)拉響警報(bào)時(shí)，康耐視的深度學(xué)習(xí)專家開(kāi)始思考這項(xiàng)技術(shù)是否能夠幫助醫(yī)護(hù)專業(yè)人員進(jìn)行有效的防御。

事實(shí)已經(jīng)證明，這一警報(bào)是有道理的。截至2020年11月下旬，COVID-19已在全球范圍內(nèi)感染超6000萬(wàn)人，并奪去了逾140萬(wàn)人的生命。全球各地的臨床醫(yī)生都面臨著類似的挑戰(zhàn)：依靠實(shí)驗(yàn)室檢測(cè)來(lái)確認(rèn)新冠病例非常耗時(shí)，可能會(huì)延誤診斷和治療。雖然X射線及其他醫(yī)學(xué)成像技術(shù)可以快速確認(rèn)新冠病例診斷，但很容易對(duì)這些圖像的含義進(jìn)行錯(cuò)誤解讀。

天為和代理品牌康耐視的深度學(xué)習(xí)團(tuán)隊(duì)審視了這些挑戰(zhàn)，并意識(shí)到他們專為生產(chǎn)線的自動(dòng)化和優(yōu)化而開(kāi)發(fā)的軟件包可能能夠提供醫(yī)學(xué)成像組件解決方案，用于應(yīng)對(duì)本次全球疫情挑戰(zhàn)。

1.將深度學(xué)習(xí)與醫(yī)學(xué)影像相結(jié)合的價(jià)值

X光片等醫(yī)學(xué)圖像對(duì)于確認(rèn)COVID-19診斷至關(guān)重要，為醫(yī)生和放射科醫(yī)師提供視覺(jué)證據(jù)，證明實(shí)驗(yàn)室檢測(cè)是準(zhǔn)確的。此外，深度學(xué)習(xí)軟件可以分析數(shù)以千計(jì)的醫(yī)學(xué)圖像，并識(shí)別出推翻或支持診斷的異常情況，從而減輕臨床醫(yī)生的工作量。

但是，這存在一個(gè)障礙：最流行的開(kāi)源深度學(xué)習(xí)工具難以使用，而且需要大量的編程專業(yè)知識(shí)。期望醫(yī)護(hù)人員（包括醫(yī)生、放射科醫(yī)師及其他臨床醫(yī)生）掌握這些工具是不切實(shí)際的。

為了克服這一障礙，康耐視的一個(gè)AI專家團(tuán)隊(duì)開(kāi)始著手解決一個(gè)基本問(wèn)題，即：康耐視的工業(yè)自動(dòng)化軟件能否提供一種易于使用并且可以與世界頂級(jí)開(kāi)源深度學(xué)習(xí)工具的性能相匹配的替代工具？

針對(duì)這一假設(shè)進(jìn)行的開(kāi)放測(cè)試顯示出巨大的潛力。由康耐視的五名深度學(xué)習(xí)專家組成的團(tuán)隊(duì)進(jìn)行的一項(xiàng)研究表明，康耐視的先進(jìn)機(jī)器視覺(jué)軟件的準(zhǔn)確性可以媲美甚至超越************的開(kāi)源深度學(xué)習(xí)工具。

該研究的標(biāo)題為“使用深度學(xué)習(xí)技術(shù)識(shí)別X光片中的新型冠狀病毒（COVID-19）：將康耐視VisionPro Deep Learning 1.0軟件與開(kāi)源卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行比較”，其已經(jīng)引起了主要研究出版商的注意。共同作者包括Arjun Sarkar、Joerg Vandenhirtz、Jozsef Nagy、David Bacsa和Mitchell Riley，他們都在康耐視生命科學(xué)團(tuán)隊(duì)工作。

“我們驚訝地發(fā)現(xiàn)，該軟件可以輕松對(duì)X光片上出現(xiàn)的各種病理形態(tài)進(jìn)行區(qū)分。人類幾乎不可能找出X光片中不同病理形態(tài)之間的差異。對(duì)于這類圖像，五名放射科醫(yī)師可能會(huì)給出五種不同的意見(jiàn)。”

——來(lái)自康耐視生命科學(xué)團(tuán)隊(duì)的高級(jí)AI專家Vandenhirtz表示

Vandenhirtz為這項(xiàng)研究提供了協(xié)調(diào)支持，以幫助將康耐視的先進(jìn)機(jī)器視覺(jué)技術(shù)擴(kuò)展到醫(yī)療保健和生命科學(xué)領(lǐng)域。新型冠狀病毒在全球范圍內(nèi)大規(guī)模傳播帶來(lái)了緊迫性，而COVIDx（來(lái)自COVID-19胸部X光片的大量數(shù)據(jù)集）則為這項(xiàng)研究提供了測(cè)試圖像。他聘請(qǐng)了Sarkar進(jìn)行實(shí)驗(yàn)，并在研究報(bào)告中總結(jié)了他的實(shí)驗(yàn)成果。Sarkar目前在位于德國(guó)亞琛（Aachen）的應(yīng)用科學(xué)大學(xué)（University of Applied Sciences）攻讀生物醫(yī)學(xué)工程專業(yè)碩士學(xué)位。

Vandenhirtz表示，Sarkar在TensorFlow的使用方面具有強(qiáng)大的背景，TensorFlow是來(lái)自谷歌的領(lǐng)先深度學(xué)習(xí)平臺(tái)。TensorFlow要求程序員在基于文本的終端界面中構(gòu)建自己的模型。相比之下，VisionPro Deep Learning軟件具有使用方便的圖形用戶界面（GUI），無(wú)需編程經(jīng)驗(yàn)。

2.COVID和深度學(xué)習(xí)技術(shù)研究的基礎(chǔ)

康耐視的研究基于加拿大安大略省滑鐵盧大學(xué)（University of Waterloo）進(jìn)行的一項(xiàng)研究的結(jié)果。該研究的標(biāo)題為：“COVID-Net：專為從胸部X光片中識(shí)別COVID-19病例而量身定制的深度卷積神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)”，在一個(gè)名為COVIDx的數(shù)據(jù)集中收集了近14,000張胸部X光片。共同作者包括Linda Wang和Alexander Wong，他們使用開(kāi)源深度學(xué)習(xí)軟件包構(gòu)建了COVID-Net，這是一個(gè)復(fù)雜的神經(jīng)網(wǎng)絡(luò)，其可以分析X光片，并學(xué)會(huì)識(shí)別顯示出COVID-19跡象的肺部。

來(lái)自滑鐵盧大學(xué)的一組研究人員成立了一家名為DarwinAI的創(chuàng)業(yè)公司，專門(mén)開(kāi)發(fā)商業(yè)化深度學(xué)習(xí)軟件，以挖掘COVID.Net等資源的價(jià)值，這類軟件資源前景廣闊，但仍然面臨著基本的可用性挑戰(zhàn)。

“目前，這還只是數(shù)據(jù)科學(xué)家可以利用的一種非常技術(shù)性的實(shí)施方式，而放射科醫(yī)師和醫(yī)護(hù)人員肯定無(wú)法使用，因此，我們需要將其整合在一個(gè)非常易于使用的適當(dāng)應(yīng)用程序用戶界面中，確保即使不熟悉這項(xiàng)技術(shù)的人員也可以充分加以利用?！?/span>

——DarwinAI首席執(zhí)行官Sheldon Fernandez在接受CDNet的采訪時(shí)表示

康耐視研究人員了解這些局限性的含義。VisionPro Deep Learning軟件是康耐視專為制造業(yè)領(lǐng)域的客戶開(kāi)發(fā)的。該軟件的開(kāi)發(fā)人員進(jìn)行了專門(mén)設(shè)計(jì)，以確保工廠管理人員和技術(shù)人員可以使用深度學(xué)習(xí)技術(shù)來(lái)分析其生產(chǎn)線上的圖像，以維持質(zhì)量控制，并及時(shí)識(shí)別出有缺陷和損壞的產(chǎn)品，以防止它們流入市場(chǎng)。

舉例來(lái)說(shuō)，在一家汽車工廠中，康耐視的機(jī)器視覺(jué)相機(jī)首先采集擋泥板、發(fā)動(dòng)機(jī)缸體等元件的數(shù)字圖像。然后，VisionPro Deep Learning軟件將掃描這些圖像，以識(shí)別出劃痕、凹痕及人工檢測(cè)員往往遺漏的其他異常情況。及早發(fā)現(xiàn)這些缺陷可以使生產(chǎn)線實(shí)現(xiàn)更高的生產(chǎn)率，并提高產(chǎn)品質(zhì)量。此外，該軟件還可以用于對(duì)元件或缺陷進(jìn)行分類、定位元件和驗(yàn)證裝配。這些類型的檢測(cè)任務(wù)目前通常仍然由人工檢測(cè)員完成，或者無(wú)法得到充分執(zhí)行，因?yàn)樗鼈儽举|(zhì)上需要利用人類的判斷力。

3.VisionPro Deep Learning軟件在COVIDx數(shù)據(jù)集分析方面的表現(xiàn)如何

一項(xiàng)稱為F分?jǐn)?shù)的測(cè)量對(duì)于深度學(xué)習(xí)系統(tǒng)的整體準(zhǔn)確性進(jìn)行了評(píng)估，該系統(tǒng)嘗試準(zhǔn)確地預(yù)測(cè)數(shù)字圖像上的圖案和異常?？的鸵暤难芯咳藛T分析了COVID-Net數(shù)據(jù)集中的近14,000張X光片圖像。這些圖像被分為以下三種類型：正常、非COVID-19肺炎和COVID-19肺炎。

肺炎02.png

正如下面的表格中對(duì)多個(gè)深度學(xué)習(xí)軟件包進(jìn)行的比較所示，COVID-Net產(chǎn)生了準(zhǔn)確的預(yù)測(cè)結(jié)果，正常圖像為92.6%，COVID-19肺炎圖像為94.7%。VisionPro Deep Learning軟件的效果甚至更佳，正常X光片圖像為95.6%，COVID-19肺炎X光片圖片為97.0%。

肺炎03.png

當(dāng)然，這只是一項(xiàng)研究。盡管康耐視團(tuán)隊(duì)使用行業(yè)標(biāo)準(zhǔn)方法進(jìn)行研究和統(tǒng)計(jì)分析，但其他研究人員是否能夠復(fù)制該結(jié)果仍有待觀察。

Vandenhirtz表示，康耐視短期內(nèi)的主要關(guān)注點(diǎn)是向全球醫(yī)學(xué)界介紹這種軟件的功能，該軟件在計(jì)算機(jī)斷層掃描（CT）領(lǐng)域也顯示出了令人鼓舞的結(jié)果。此外，該軟件在眼科學(xué)（其依賴視網(wǎng)膜圖像）、數(shù)字病理學(xué)（其使用組織學(xué)切片的顯微圖像）等領(lǐng)域也可能被證明是有用的。

Vandenhirtz表示，就其所有功能而言，深度學(xué)習(xí)算法無(wú)法完全取代人類臨床醫(yī)生的智慧。但是，跟聽(tīng)診器或血壓袖帶一樣，該軟件是幫助醫(yī)護(hù)專業(yè)人員高水平執(zhí)行工作的一種有用工具。

在這種背景下，康耐視VisionPro Deep Learning軟件提供了有用的熱圖功能，其突出顯示了圖像中對(duì)于分類非常重要的區(qū)域。黃色到紅色區(qū)域很重要，而綠色到藍(lán)色區(qū)域?qū)τ跊Q策算法并不重要。

在現(xiàn)實(shí)世界中，這種熱圖功能使該工具不僅可以為潛在的診斷提供建議（即Covid-19陽(yáng)性或陰性），還可以識(shí)別出檢測(cè)到相應(yīng)疾病癥狀的區(qū)域。這一點(diǎn)很重要，因?yàn)樗梢詭椭派淇漆t(yī)師在圖像的特定區(qū)域進(jìn)行歸零校正，以使他們能夠驗(yàn)證或推翻AI診斷，從而防止該軟件工具因錯(cuò)誤的原因無(wú)法做出正確的決策。

肺炎04.png