訂閱
糾錯
加入自媒體

使用Python+OpenCV+Tensorflow+Flask實(shí)現(xiàn)檢測X光中的新冠病毒

免責(zé)聲明:本研究是為X光圖像中COVID-19的自動檢測而開發(fā)的,完全是為了教育目的。由于COVID-19沒有經(jīng)過專業(yè)或?qū)W術(shù)評估,最終的應(yīng)用并不打算成為一個準(zhǔn)確的用于診斷人類的COVID-19診斷系統(tǒng)。

介紹:Covid-19是由一種病毒(SARS-CoV-2冠狀病毒)引起的大流行性疾病,已經(jīng)感染了數(shù)百萬人,在幾個月內(nèi)造成數(shù)十萬人死亡。據(jù)世界衛(wèi)生組織(WHO)稱,大多數(shù)COVID-19患者(約80%)可能無癥狀,約20%的患者可能因?yàn)楹粑щy而需要住院治療。在這些病例中,大約5%可能需要支持來治療呼吸衰竭(通氣支持),這種情況可能會使重癥監(jiān)護(hù)設(shè)施崩潰?箵暨@一流行病的關(guān)鍵是快速檢測病毒攜帶者的方法。冠狀病毒冠狀病毒是引起呼吸道感染的病毒家族。這種新的冠狀病毒病原體是在中國登記病例后于1919年底發(fā)現(xiàn),它會導(dǎo)致一種名為冠狀病毒(COVID-19)的疾病。1937年首次分離出冠狀病毒,然而,直到1965年,這種病毒才被描述為冠狀病毒,因?yàn)樗陲@微鏡下的輪廓看起來像一個樹冠。下面你可以看到SARS-CoV-2病毒的原子級三維模型:

X光近年來,基于計(jì)算機(jī)斷層掃描(CT)的機(jī)器學(xué)習(xí)在COVID-19診斷中的應(yīng)用取得了一些有希望的成果。盡管這些方法取得了成功,但事實(shí)仍然是,COVID-19傳播在各種規(guī)模的社區(qū)。X光機(jī)更便宜、更簡單、操作更快,因此比CT更適合在更貧困或更偏遠(yuǎn)地區(qū)工作的醫(yī)療專業(yè)人員。目標(biāo)對抗Covid-19的一個重大挑戰(zhàn)是檢測病毒在人體內(nèi)的存在,因此本項(xiàng)目的目標(biāo)是使用掃描的胸部X光圖像自動檢測肺炎患者(甚至無癥狀或非病人)中Covid-19的病毒。這些圖像經(jīng)過預(yù)處理,用于卷積神經(jīng)網(wǎng)絡(luò)(CNN)模型的訓(xùn)練。CNN類型的網(wǎng)絡(luò)通常需要一個廣泛的數(shù)據(jù)集才能正常工作,但是,在這個項(xiàng)目中,應(yīng)用了一種稱為“遷移學(xué)習(xí)”的技術(shù),在數(shù)據(jù)集很小的情況下非常有用(例如Covid-19中患者的圖像)。目的是開發(fā)兩種分類模型:Covid-19的檢測與胸片檢測正常的比較Covid-19的檢測與肺炎患者檢測的比較按冠狀病毒相關(guān)論文定義的,所有類型的肺炎(COVID-19病毒引起的除外)僅被認(rèn)為是“肺炎”,并用Pneumo標(biāo)簽(肺炎)分類。我們使用TensorFlow 2.0的模型、工具、庫和資源,這是一個開源平臺,用于機(jī)器學(xué)習(xí),或者更準(zhǔn)確地說,用于深度學(xué)習(xí)。最后在Flask中開發(fā)了一個web應(yīng)用程序(web app),用于在接近現(xiàn)實(shí)的情況下進(jìn)行測試。下圖為我們提供了最終應(yīng)用程序如何工作的基本概念:

X光掃描胸部圖像(User_A.png),應(yīng)用程序?qū)D像存儲在web應(yīng)用程序的計(jì)算機(jī)上,決定圖像是否屬于受病毒污染的人(模型預(yù)測:[陽性]或[陰性])。在這兩種情況下,應(yīng)用程序都會輸出預(yù)測的準(zhǔn)確性(模型準(zhǔn)確度:X%)。為了避免兩者都出錯,將向用戶顯示原始文件的名稱及其圖像。圖像的新副本存儲在本地,其名稱添加一個預(yù)測標(biāo)簽,并且加上準(zhǔn)確度。這項(xiàng)工作分為四個部分:環(huán)境設(shè)置、數(shù)據(jù)清洗和準(zhǔn)備模型1訓(xùn)練(Covid/正常)模型2訓(xùn)練(Covid/肺炎)Web應(yīng)用的開發(fā)與測試靈感該項(xiàng)目的靈感來源于UFRRJ(里約熱內(nèi)盧聯(lián)邦大學(xué))開發(fā)的X光COVID-19項(xiàng)目。UFRRJ的XRayCovid-19是一個正在開發(fā)的項(xiàng)目,在診斷過程中使用人工智能輔助健康系統(tǒng)處理COVID-19。該工具的特點(diǎn)是易用、響應(yīng)時間快和結(jié)果有效性高,我希望將這些特點(diǎn)擴(kuò)展到本教程第4部分開發(fā)的Web應(yīng)用程序中。下面是診斷結(jié)果之一的打印屏幕(使用了Covid-19數(shù)據(jù)集1圖像之一):

喬杜里等人在論文中闡述了該大學(xué)開展這項(xiàng)工作的科學(xué)依據(jù),論文地址:https://arxiv.org/abs/2003.13145另一項(xiàng)工作是Chester,論文:https://arxiv.org/pdf/1901.11210.pdf,由蒙特利爾大學(xué)的研究人員開發(fā)。Chester是一個免費(fèi)且簡單的原型,醫(yī)療專業(yè)人員可以使用它們來了解深度學(xué)習(xí)工具的實(shí)際情況,以幫助診斷胸部X光。該系統(tǒng)被設(shè)計(jì)為輔助工具,用戶可在其中處理圖像以確認(rèn)或協(xié)助診斷。當(dāng)前版本的 Chester(2.0)使用DenseNet-121型卷積網(wǎng)絡(luò)訓(xùn)練了超過10.6萬張圖像。該網(wǎng)絡(luò)應(yīng)用程序未檢測到Covid-19,這是研究人員對應(yīng)用程序未來版本的目標(biāo)之一。下面是診斷結(jié)果之一的截圖(使用了Covid-19數(shù)據(jù)集的圖像)

在下面的鏈接中,你可以訪問Chester,甚至下載應(yīng)用程序供脫機(jī)使用:https://mlmed.org/tools/xray/。感謝這項(xiàng)工作最初是根據(jù)Adrian Rosebrock博士發(fā)表的優(yōu)秀教程開發(fā)的,我強(qiáng)烈建議你深入閱讀,此外,我要感謝Nell Trevor,他根據(jù)羅斯布魯克博士的工作,進(jìn)一步提出了如何測試結(jié)果模型的想法。第1部分-環(huán)境設(shè)置和數(shù)據(jù)準(zhǔn)備數(shù)據(jù)集訓(xùn)練模型以從圖像中檢測任何類型信息的第一個挑戰(zhàn)是要使用的數(shù)據(jù)量。原則上,可公開獲取的圖像數(shù)量越多越好,但是請記住,這種流行病只有幾個月的歷史,所以對于Covid-19檢測項(xiàng)目來說,情況并非如此)但是,Hall等人的研究,論文:https://arxiv.org/pdf/2004.02060.pdf,證明使用遷移學(xué)習(xí)技術(shù)僅用幾百幅圖像就可以獲得令人鼓舞的結(jié)果。如引言所述,因?yàn)橛?xùn)練兩個模型,所以需要3組數(shù)據(jù):確認(rèn)Covid-19的X光圖像集常規(guī)(“正!保┗颊叩腦光圖像集一組顯示肺炎但不是由Covid-19引起的X光圖像為此,將下載兩個數(shù)據(jù)集:數(shù)據(jù)集1:COVID-19的圖像集Joseph Paul Cohen和Paul Morrison和Lan Dao COVID-19圖像數(shù)據(jù)收集,arXiv: 2003.11597, 2020這是一個公開的COVID-19陽性、疑似患者和其他病毒性和細(xì)菌性肺炎(MERS、SARS和ARDS)的X光和ct圖像數(shù)據(jù)集。數(shù)據(jù)是從公共來源收集的,也可以從醫(yī)院和醫(yī)生處間接收集(項(xiàng)目由蒙特利爾大學(xué)倫理委員會批準(zhǔn),CERSES-20-058-D)。以下GitHub存儲庫中提供了所有圖像和數(shù)據(jù):https://github.com/ieee8023/covid-chestxray-dataset。數(shù)據(jù)集2:肺炎和正常人的胸片論文:Kermany, Daniel; Zhang, Kang; Goldbaum, Michael (2018), “Labeled Optical Coherence Tomography (OCT) and Chest X-Ray Images for Classification”通過深度學(xué)習(xí)過程,將一組經(jīng)驗(yàn)證的圖像(CT和胸片)歸類為正常和某些肺炎類型。圖像分為訓(xùn)練集和獨(dú)立的患者測試集,數(shù)據(jù)可在網(wǎng)站上獲得:https://data.mendeley.com/datasets/rscbjbr9sj/2胸片的類型從數(shù)據(jù)集中,可以找到三種類型的圖像,PA、AP和Lateral(L)。L的很明顯,但X光的AP和PA視圖有什么區(qū)別?簡單地說,在拍X光片的過程中,當(dāng)X光片從身體的后部傳到前部時,稱為PA(后-前)視圖,在AP視圖中,方向相反。通常,X光片是在AP視圖中拍攝的,但是一個重要的例外就是胸部X光片,在這種情況下,最好在查看PA而不是AP,但如果病人病得很重,不能保持姿勢,可以拍AP型胸片。

1  2  3  4  下一頁>  
聲明: 本文由入駐維科號的作者撰寫,觀點(diǎn)僅代表作者本人,不代表OFweek立場。如有侵權(quán)或其他問題,請聯(lián)系舉報(bào)。

發(fā)表評論

0條評論,0人參與

請輸入評論內(nèi)容...

請輸入評論/評論長度6~500個字

您提交的評論過于頻繁,請輸入驗(yàn)證碼繼續(xù)

  • 看不清,點(diǎn)擊換一張  刷新

暫無評論

暫無評論

人工智能 獵頭職位 更多
掃碼關(guān)注公眾號
OFweek人工智能網(wǎng)
獲取更多精彩內(nèi)容
文章糾錯
x
*文字標(biāo)題:
*糾錯內(nèi)容:
聯(lián)系郵箱:
*驗(yàn) 證 碼:

粵公網(wǎng)安備 44030502002758號