Ứng dụng visionpro phát hiện bệnh nhân Covid-19 qua ảnh chụp X-quang

Thành công gần đây trong việc áp dụng Cognex VisionPro Deep Learning để xác định hình ảnh của X quang phổi bị nhiễm Covid-19, đánh bại một số mô hình học sâu khác do các nhóm nghiên cứu khoa học trên khắp thế giới phát triển - đã được tạp chí trí tuệ nhân tạo hàng đầu thế giới, SN Computer đăng tải.

Hình ảnh chụp X-quang phổi 

Nghiên cứu được phát triển trên tập dữ liệu chụp X-quang ngực công khai do Đại học Waterloo cung cấp. Là một phần của thử nghiệm do Cognex tài trợ, nhóm Khoa học Đời sống Cognex đã áp dụng VisionPro Deep Learning 1.0 giải quyết vấn đề xác định hình ảnh của COVID-19 bằng cách phân tích X-quang phổi dương tính COVID-19 so với X-quang phổi từ những người khỏe mạnh hoặc những bệnh nhân bị viêm phổi không bị COVID-19. Trong một bài báo tiếp theo, nhóm nghiên cứu so sánh hiệu quả của việc áp dụng phần mềm VisionPro Deep Learning để xác định hình ảnh của COVID-19 trong chụp CT. Bài báo cũng khám phá cách lập trình phần mềm nhanh hơn và dễ dàng hơn, một lần nữa với kết quả tích cực đáng kể.

X-quang, chụp CT và COVID-19

Hình ảnh y tế X-quang có thể cung cấp cho các bác sĩ và chuyên gia X quang bằng chứng trực quan rằng các xét nghiệm COVID-19 trong phòng thí nghiệm là chính xác. Hơn nữa, phần mềm Deep Learning, được lập trình tương tự như cách một đứa trẻ học tập thay vì thông qua toán học phức tạp, có thể giảm nhẹ khối lượng công việc của các bác sĩ lâm sàng bằng cách phân tích hàng nghìn hình ảnh y tế và xác định các dị thường hoặc hỗ trợ chẩn đoán.

Trở ngại là các công cụ học sâu mã nguồn mở phổ biến nhất có thể yêu cầu chuyên môn lập trình đáng kể để sử dụng. Không thực tế khi mong đợi các nhân viên chăm sóc sức khỏe như bác sĩ, bác sĩ X quang và các bác sĩ lâm sàng khác thành thạo các công cụ này.

Bản đồ nhiệt hình ảnh phổi đứng

Một nhóm chuyên gia về trí tuệ nhân tạo (AI) tại Cognex đã bắt đầu vượt qua trở ngại này bằng một giả thuyết cơ bản: Liệu phần mềm tự động hóa công nghiệp của Cognex có thể cung cấp một giải pháp thay thế dễ sử dụng cho các công cụ Deep Learning mã nguồn mở hàng đầu thế giới hay không? Nghiên cứu có tiêu đề “ Nhận dạng hình ảnh COVID-19 từ X-quang ngực bằng cách sử dụng Deep Learning: So sánh phần mềm Cognex VisionPro Deep Learning 1.0 với mạng nơ-ron mã nguồn mở”, đã so sánh Cognex VisionPro Deep Learning với một số mạng nơ-ron mã nguồn mở nổi bật để đánh giá, bao gồm VGG19, ResNet, DenseNet, Inception và cả COVID-NET một mạng nơ-ron do AI tạo ra đã được điều chỉnh đặc biệt để phát hiện COVID-19 trong X-Ray ngực, được phát triển bởi Đại học Waterloo.

Vandenhirtz, Chuyên gia cao cấp về Khoa học Đời sống của Cognex cho biết: “Chúng tôi rất ngạc nhiên khi biết rằng phần mềm này dễ dàng phân biệt giữa các bệnh lý xuất hiện trên X-quang. “Con người gần như không thể tìm ra sự khác biệt trong hình ảnh X-quang với các bệnh lý khác nhau. Năm bác sĩ X quang có thể đưa ra năm ý kiến khác nhau về những loại hình ảnh này ”.

Nghiên cứu 1: Học sâu VisionPro nổi bật, vượt trội

Nghiên cứu của Cognex được xây dựng dựa trên những phát hiện của các nhà nghiên cứu tại Đại học Waterloo ở Ontario, Canada, có tiêu đề “COVID-Net: Một thiết kế mạng thần kinh hội tụ sâu được thiết kế riêng để phát hiện các trường hợp COVID-19 từ hình ảnh X-quang ở ngực. ” Sử dụng gần 14.000 lần chụp X-quang ngực trong bộ dữ liệu có tên COVID-X. Các đồng tác giả Linda Wang và Alexander Wong đã sử dụng trí thông minh nhân tạo để xây dựng COVID-Net, một mạng lưới thần kinh tinh vi giúp phân tích tia X và học cách xác định phổi có dấu hiệu nhận biết COVID-19.

Các nhà nghiên cứu của Cognex đã đào tạo các công cụ Deep Learning của họ trên gần 14.000 hình ảnh tia X trong tập dữ liệu COVID-X. Các hình ảnh được chia thành ba loại: viêm phổi bình thường, không COVID-19 và COVID-19. Như bảng so sánh nhiều gói Deep Learning này cho thấy, COVID-Net đã tạo ra các kết quả dự đoán mạnh mẽ, với Điểm F nằm trong khoảng từ 92,6% đối với hình ảnh bình thường đến 94,7% đối với hình ảnh COVID-19. VisionPro Deep Learning 1.0 thậm chí còn làm tốt hơn, với Điểm F là 95,6% trên tia X thông thường và 97,0% trên tia X COVID-19

Kết quả phát hiện bệnh nhân Covid của các phần mềm học sâu

Nghiên cứu 2: Học sâu VisionPro mở rộng khách hàng tiềm năng với CT quét

Một bài báo gần đây hơn của Cognex được phát triển bởi cùng một nhóm nghiên cứu xem xét ngoài chụp X-quang ngực cho đến chụp CT ngực. Trong khi nhiều nghiên cứu đã chứng minh sự thành công trong việc phát hiện hình ảnh của COVID-19 bằng cách sử dụng Deep Learning với quét CT và X-quang, hầu hết các kiến trúc Deep Learning cần lập trình rộng rãi vì chúng không cung cấp giao diện đồ họa (GUI) để đào tạo hệ thống. Có thể khó cho các bác sĩ X quang thiếu kiến thức về học sâu hoặc lập trình để sử dụng các chương trình này, chưa nói đến việc đào tạo họ.

Hình ảnh quét CT của phổi bệnh nhân

“Một vấn đề lớn khi áp dụng phần mềm Deep Learning là một gói tiêu chuẩn, chẳng hạn như TensorFlow, yêu cầu các lập trình viên xây dựng mô hình của họ trong giao diện đầu cuối dựa trên dạng văn bản”. Vandenhirtz tiếp tục: “Ngược lại, VisionPro Deep Learning có GUI thân thiện với người dùng, không yêu cầu kinh nghiệm lập trình. Nếu bạn có thể học Microsoft Office, thì bạn có thể học VisionPro Deep Learning. ” Vandenhirtz nói thêm rằng, Arjun Sarkar, trưởng nhóm nghiên cứu của dự án, chưa từng làm việc với VisionPro Deep Learning trước khi gia nhập Cognex. Trong vòng hai tháng, Sarkar đã tìm hiểu chương trình, tiến hành nghiên cứu và viết ra những phát hiện. Một nghiên cứu Học sâu thông thường có thể cần nhiều năm để xây dựng mạng, phát triển mô hình và đào tạo các thuật toán. VisionPro Deep Learning giảm đáng kể khung thời gian đó.

Bản đồ nhiệt ảnh quét CT phổi bệnh nhân

Với tính hiệu quả và dễ sử dụng là hai cân nhắc quan trọng cho các cuộc nghiên cứu tiếp theo, cuộc nghiên cứu mới nhất của Cognex đã xem xét thành công của VisionPro Deep Learning trong việc xác định hình ảnh của bệnh viêm phổi COVID-19 và không COVID, cũng như mức độ đào tạo cần thiết để đạt được tỷ lệ chính xác cao.