• Cognex Vertrieb: +41-44-578-8877

  • Kontakt

Cognex Blogs

VisionPro Deep Learning zeigt vielversprechende Erkennung von Covid-19-Bildern bei Thorax-Röntgenaufnahmen

using deep learning to diagnose COVID-19 from chest x-rays

Als sich die Covid-19-Pandemie überall auf der Welt alarmierend schnell ausbreitete, fragten sich die Deep-Learning-Experten bei Cognex, ob ihre Technologie Medizinern helfen könnte, eine wirksame Abwehr aufzubauen.

Die Einschätzung der Situation als alarmierend erwies sich als gerechtfertigt: Denn bis Mitte September 2020 hatte Covid-19 zu fast 30 Millionen Infizierten weltweit geführt und fast eine Million Menschenleben gefordert. Ärztliches Personal stand überall auf der Welt vor ähnlichen Herausforderungen: Es war zeitaufwändig, bei der Bestätigung von Covid-Fällen von Labortests abhängig zu sein, und verzögerte möglicherweise die Diagnose und Behandlung. Röntgenuntersuchungen und andere medizinische Bildgebungstechnologien könnten eine Covid-Diagnose schnell bestätigen, jedoch ist eine Fehlinterpretation der Bedeutung dieser Bilder leicht möglich.

Das Deep-Learning-Team von Cognex sah sich diese Herausforderungen an und stellte fest, dass ein Softwarepaket, das zur Automatisierung und Optimierung von Produktionslinien entwickelt worden war, möglicherweise in der Bekämpfung der Pandemie eine Lösung für den Bereich der medizinischen Bildgebung bieten könnte.

Der Nutzen von Deep Learning bei der medizinischen Bildgebung

Medizinische Bildaufnahmen wie Röntgenbilder sind essenziell für die Bestätigung einer COVID-19-Diagnose – denn Ärzte und Radiologen können auf diese Weise nachvollziehen, dass die Labortests richtig sind. Die Deep-Learning-Software kann ärztliches Personal entlasten, indem sie tausende medizinische Bilder analysiert und Abweichungen erkennt, die eine Diagnose widerlegen oder unterstützen.

Es gibt nur ein Hindernis: Die beliebtesten Open-Source-Deep-Learning-Tools sind schwierig zu bedienen und erfordern umfangreiche Programmierkenntnisse. Es ist praktisch nicht zu erwarten, dass Gesundheitspersonal wie Ärzt*innen, Radiolog*innen und anderes medizinisches Personal diese Tools beherrscht.

Ein Team von KI-Fachleuten bei Cognex stellte sich daraufhin die grundlegende Frage: Könnte die Cognex-Software für industrielle Automatisierung eine benutzerfreundlichere Alternative bieten, mit der die Leistungsfähigkeit der besten Open-Source-Deep-Learning-Tools erreicht werden kann?

Die erste Prüfung dieser Hypothese war äußerst vielversprechend. Gemäß den Untersuchungen eines fünfköpfigen Teams aus Deep-Learning-Fachleuten von Cognex erreichte oder übertraf die modernste Bildverarbeitungssoftware des Unternehmens die Genauigkeit der weltweit führenden Open-Source-Deep-Learning-Tools.

Die Studie mit dem Titel „Detection of COVID-19 from Chest X-rays using Deep Learning: Comparing Cognex VisionPro Deep Learning 1.0 Software with Open Source Convolutional Neural Networks“ (Nachweis von COVID-19 in Thorax-Röntgenaufnahmen unter Verwendung von Deep Learning: Vergleich der VisionPro Deep Learning 1.0 Software von Cognex mit Open Source Convolutional Neural Networks) fand Aufmerksamkeit bei relevanten Fachmedien. Co-Autoren waren Arjun Sarkar, Joerg Vandenhirtz, Jozsef Nagy, David Bacsa und Mitchell Riley, die alle im Life Sciences Team von Cognex arbeiten.

„Wir waren überrascht zu sehen, dass es für die Software leicht war, zwischen Krankheiten, die in Röntgenbildern sichtbar sind, zu unterscheiden“, sagte Vandenhirtz, leitender KI-Experte für Life Sciences bei Cognex. „Für den Menschen ist es fast unmöglich, bei verschiedenen Krankheiten Unterschiede in Röntgenbildern herauszufinden. Fünf Radiolog*innen können bei dieser Art von Bildern fünf verschiedene Meinungen haben.“

Vandenhirtz koordinierte die Studie, um die Bildverarbeitungstechnologie des Unternehmens im Gesundheits- und Life-Sciences-Bereich weiter zu verbreiten. Die weltweite Coronavirus-Pandemie bot die Grundlage für die Dringlichkeit, während COVIDx, ein großer Datensatz von COVID-19-Thorax-Röntgenbildern die Testbilder für die Studie lieferte. Zur Durchführung des Experiments und zur Zusammenfassung seiner Erkenntnisse im Forschungsbericht stellte er Sarkar ein, einen Masterstudenten in biomedizinischer Technik an der FH Aachen, Deutschland.

Sarkar hatte bereits Erfahrung mit TensorFlow, der führenden Deep-Learning-Plattform von Google, erläuterte Vandenhirtz. Für TensorFlow sind Programmierer erforderlich, die ihre Modelle in einer textbasierten Terminalschnittstelle erstellen. VisionPro Deep Learning verfügt im Gegensatz dazu über eine benutzerfreundliche GUI, die keine Programmiererfahrung erfordert.

COVID-19 GUI (1)

Aufbauend auf einer Studie über COVID und Deep Learning

Die Studie von Cognex stützte sich auf die Erkenntnisse einer Forschungsstudie der University of Waterloo in Ontario, Kanada. Die Studie mit dem Titel „COVID-Net: A Tailored Deep Convolutional Neural Network Design for Detection of COVID-19 Cases from Chest X-Ray Images“ (COVID-Net: Ein spezielles Deep Convolutional Neural Network Design zum Nachweis von COVID-19-Fällen in Thorax-Röntgenbildern) sammelt fast 14.000 Thorax-Röntgenbilder in einem Datensatz mit der Bezeichnung COVIDx. Die Co-Autoren Linda Wang und Alexander Wong verwendeten Open-Source-Deep-Learning-Pakete zum Aufbau von COVID-Net, einem ausgeklügelten neuronalen Netz, das die Röntgenbilder analysierte und gelernt hat, Lungen zu erkennen, die typische Anzeichen von COVID-19 aufwiesen.

Eine Forschergruppe der University of Waterloo gründete ein Startup namens DarwinAI, um eine kommerzielle Deep-Learning-Software zu entwickeln und damit den Wert von Ressourcen wie COVID.Net zu nutzen; ein sehr vielversprechendes Projekt, das jedoch immer noch vor grundlegenden Herausforderungen bei der Nutzung steht.

„Derzeit handelt es sich um eine technische aufwändige Implementierung, die nur von Datenwissenschaftler*innen genutzt werden kann, aber sicherlich nicht von Radiolog*innen oder Gesundheitspersonal. Daher muss sie in eine geeignete Anwendungsoberfläche verpackt werden, die einfach zu bedienen ist und von Personen genutzt werden kann, die sich nicht intensiv mit Technik beschäftigen“, sagt Sheldon Fernandez, CEO von DarwinAI, in einem Interview mit CDNet.

Die Forscher*innen von Cognex haben die Auswirkungen dieser Einschränkungen verstanden. VisionPro Deep Learning wurde für Fertigungskunden von Cognex entwickelt. Die Software wurde so gestaltet, dass Betriebsleitung und technisches Personal mit Hilfe von Deep Learning Bilder an ihrer Produktionslinie analysieren und auf diese Weise die Qualität überwachen können, so dass fehlerhafte und beschädigte Produkte nicht auf den Markt gelangen.

In einem Automobilwerk nehmen die Bildverarbeitungskameras von Cognex zum Beispiel digitale Bilder von Teilen wie Kotflügeln und Motorblöcken auf. VisionPro Deep Learning durchsucht diese Bilder auf Kratzer, Dellen und andere Abweichungen, die menschliches Prüfpersonal oft übersieht. Werden diese Fehler im Vorhinein erkannt, bleiben die nachfolgenden Prozesse produktiver und wird die Produktqualität gestärkt. Die Software kann auch verwendet werden, um Teile oder Fehler zu klassifizieren sowie Teile zu lokalisieren und Baugruppen zu überprüfen. Derartige Prüfungsaufgaben werden immer noch häufig manuell oder nicht vollständig durchgeführt, weil sie im Wesentlichen die Einbeziehung der menschliche Beurteilung erfordern.

Leistung von VisionPro Deep Learning am COVIDx Datensatz

Eine als F-Score bezeichnete Messung beurteilt die Gesamtgenauigkeit eines Deep-Learning-Systems, das versucht, Muster und Anomalien auf digitalen Bildern genau vorherzusagen. Das Forschungspersonal von Cognex hat fast 14.000 Röntgenbilder im COVID-Net Datensatz analysiert. Die Bilder wurden in drei Kategorien unterteilt: normal, nicht durch COVID-19 hervorgerufene Lungenentzündung und COVID-19.

COVID-19 Röntgenbilder (1)

Wie diese Tabelle des Vergleichs mehrerer Deep-Learning-Pakete zeigt, lieferte COVID-Net Ergebnisse mit starkem Vorhersagewert, die von 92,6 % bei normalen Bildern bis zu 94,7 % bei COVID-19-Bildern reichen. VisionPro Deep Learning war noch besser, 95,6 % bei normalen Röntgenbildern und 97,0 % bei COVID-19-Röntgenaufnahmen.

Covid-Ergebnisse

Natürlich ist das nur eine Studie. Obwohl das Team von Cognex branchenübliche Techniken der Untersuchung und statistischen Analyse verwendete, bleibt abzuwarten, ob die Ergebnisse von anderen repliziert werden können.

Vandenhirtz erklärte, dass das kurzfristige primäre Interesse des Unternehmens darin liege, die Ärzteschaft über die Möglichkeiten dieser Software, die auch vielversprechende Ergebnisse bei CT-Scans (Computertomografie) zeigte, zu informieren. Sie könnte sich auch in der Augenheilkunde, die sich auf Netzhautbilder stützt, oder der digitalen Pathologie, die mikroskopische Aufnahmen von histologischen Präparaten verwendet, als nützlich erweisen.

Dennoch können Deep-Learning-Algorithmen das Wissen von medizinischem Personal nicht vollständig ersetzen, sagte Vandenhirtz. Sie sind jedoch wie das Stethoskop oder die Blutdruckmanschette ein nützliches Mittel, um dem Gesundheitspersonal zu helfen, seine Arbeit auf hohem Niveau durchzuführen.

In diesem Zusammenhang bietet die Cognex VisionPro Deep-Learning-Software eine nützliche Heatmap-Funktion, die jene Bildbereiche hervorhebt, die für die Klassifizierung wichtig sind. Gelbe und rote Bereiche sind wichtig, während grüne und blaue Bereiche für den Entscheidungsalgorithmus ohne Bedeutung sind.

Diese Heatmap-Funktion ermöglicht nicht nur, einen Hinweis auf die potenzielle Diagnose (d. h. Covid-19 positiv oder negativ), sondern durch sie werden auch die Bereiche identifiziert, in denen die entsprechenden Krankheitssymptome erkannt wurden. Das hilft Radiologen, sich auf einen bestimmten Bildbereich zu konzentrieren, um die KI-Diagnose zu verifizieren oder zu widerlegen und zu verhindern, dass die richtige Entscheidung aus dem falschen Grund getroffen wird.

Covid-Heatmap

„Wir glauben nicht, dass KI, zumindest auf kurze Sicht, in der Lage sein wird, eine Diagnose zu stellen“, stellte er abschließend fest. „VisionPro Deep Learning kann Empfehlungen abgeben, aber letzten Endes muss der Radiologe entscheiden, was das Bild bedeutet.“

KI wird die Radiologen nicht ersetzen, fügte er hinzu, sie wird aber jene Radiologen ersetzen, die keine KI verwenden.

Weitere Posts auf

ERHALTEN SIE ZUGANG ZU SUPPORT & TRAINING FÜR PRODUKTE & MEHR

Werden Sie Teil von MyCognex

SIE HABEN EINE FRAGE?

Cognex is weltweit vertreten, um Sie bei Ihren Vision- und Barcode-Anwendungen zu unterstützen.

Kontakt
Loading...