Blogs de Cognex

VisionPro Deep Learning es prometedor para identificar imágenes de COVID-19 en radiografías de tórax

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

Cuando la pandemia por COVID-19 comenzó a generar preocupación en todo el mundo, los expertos de aprendizaje profundo de Cognex comenzaron a analizar si su tecnología podría ayudar a los profesionales de la salud a lograr una defensa efectiva.

La preocupación resultó justificada: Para mediados de septiembre de 2020, casi 30 millones de personas en todo el mundo se infectaron con COVID-19 y casi un millón fallecieron. En todos lados, los médicos se enfrentaron a desafíos similares: Depender de pruebas de laboratorio para confirmar los casos de COVID llevaba tiempo, lo que puede retrasar el diagnóstico y el tratamiento. Las radiografías y otras tecnologías de medicina por imágenes podrían confirmar rápidamente un diagnóstico de COVID, pero es fácil malinterpretar el significado de estas imágenes.

El equipo de Deep Learning de Cognex analizó estos desafíos y determinó que un paquete de software desarrollado para automatizar y optimizar líneas de producción podría brindar una solución al componente de imágenes médicas de la respuesta a la pandemia.

El valor de combinar el aprendizaje profundo y la medicina por imágenes

El uso de medicina por imágenes, como las radiografías, es fundamental para confirmar un diagnóstico de COVID-19, al brindarle a los médicos y radiólogos evidencia visual de la precisión de las pruebas de laboratorio. Además, el software de aprendizaje profundo puede aligerar la carga de trabajo de los clínicos al analizar miles de imágenes e identificar anomalías que refutan o apoyan un diagnóstico.

Solo hay un obstáculo: Las herramientas de aprendizaje profundo de código abierto más populares son difíciles de usar y requieren de mucho conocimiento en programación. No es práctico esperar que los trabajadores de la salud, como médicos, radiólogos y otros clínicos, dominen estas herramientas.

Un equipo de IA de Cognex se propuso resolver este obstáculo a partir de una pregunta: ¿Puede el software de automatización industrial de Cognex brindar una alternativa fácil de usar con un rendimiento similar al de las principales herramientas de aprendizaje profundo de código abierto más importantes del mundo?

La prueba inicial de esta hipótesis mostró un fuerte potencial. De acuerdo a una investigación de un equipo de cinco expertos en Deep Learning de Cognex, el software de visión artificial avanzado de la empresa fue igual o superior en términos de precisión que las herramientas de aprendizaje profundo de código abierto de líderes mundiales.

El estudio, titulado “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,” [Detección de la COVID-19 a partir de radiografías de tórax mediante aprendizaje profundo: comparación del software VisionPro Deep Learning 1.0 de Cognex con redes neuronales convolucionales de código abierto] ha captado la atención de las principales editoriales de investigación. Los coautores, Arjun Sarkar, Joerg Vandenhirtz, Jozsef Nagy, David Bacsa y Mitchell Riley, trabajan en el equipo de ciencias de la vida de Cognex.

“Nos sorprendió saber lo fácil que fue para el software diferenciar entre las patologías que se detectan mediante radiografías”, comenta Vandenhirtz, experto principal de IA en ciencias de la vida de Cognex. “Es casi imposible para los humanos detectar las diferencias en las radiografías de diferentes patologías. Cinco radiólogos pueden brindar cinco opiniones distintas sobre estas imágenes”.

Vandenhirtz coordinó el estudio para ayudar a extender la tecnología líder de visión artificial de la empresa al espacio de la salud y las ciencias de la vida. La pandemia mundial por coronavirus generó la urgencia, mientras que COVIDx, un gran conjunto de datos de radiografías de tórax de COVID-19, proporcionó las imágenes de prueba para el estudio. Contrató a Sarkar, un candidato a una maestría que estudia ingeniería biomédica en la Universidad de Ciencias Aplicadas de Aquisgrán (Alemania), para que realizara el experimento y resumiera sus hallazgos y conclusiones en el informe de investigación.

Sarkar tenía mucha experiencia con TensorFlow, la plataforma líder de aprendizaje profundo de Google, agregó Vandenhirtz. TensorFlow requiere que los programadores desarrollen sus modelos en una interfaz terminal basada en texto. Por su lado, VisionPro Deep Learning cuenta con una interfaz gráfica de usuario amigable que no necesita de experiencia en programación.

Interfaz gráfica de usuario COVID-19 (1)

Desarrollo de un estudio de COVID y aprendizaje profundo

El estudio de Cognex se basó en los hallazgos de un estudio de investigación de la Universidad de Waterloo en Ontario (Canadá). El estudio, titulado “COVID-Net: A Tailored Deep Convolutional Neural Network Design for Detection of COVID-19 Cases from Chest X-Ray Images,” [COVID-Net: un diseño personalizado de red neuronal convolucional para detectar casos de COVID-19 a partir de radiografías de tórax] recolectó casi 14.000 radiografías de tórax en una base de datos llamada COVIDx. Los coautores, Linda Wang y Alexander Wong, utilizaron paquetes de aprendizaje profundo de código abierto para desarrollar COVID-Net, una red neuronal sofisticada que analizó las radiografías y aprendió a identificar pulmones que presentaban indicios de COVID-19.

Un grupo de investigadores de la Universidad de Waterloo lanzó una empresa emergente llamada DarwinAI para desarrollar un software comercial de aprendizaje profundo para aprovechar el valor de los recursosn como COVID-Net que son muy prometedores, pero todavía se enfrentan a grandes desafíos de uso.

“En este momento, es un tipo de implementación muy técnica que los científicos de datos podrían aprovechar, pero ciertamente no un radiólogo o un trabajador de la salud, por lo que necesita ser parte de la interfaz de usuario de una aplicación adecuada que sea bastante fácil de usar y que alguien con poco conocimiento técnico pueda aprovechar”, dijo el director general de DarwinAI, Sheldon Fernández, en una entrevista con CDNet.

Los investigadores de Cognex comprendieron las implicancias de estas limitaciones. VisionPro Deep Learning se desarrolló para los clientes de Cognex del área de fabricación. Los desarrolladores lo diseñaron específicamente para que los gerentes y técnicos de las fábricas pudieran utilizar el aprendizaje profundo para analizar imágenes de sus líneas de producción para mantener la calidad y asegurar que los productos defectuosos y dañados no salgan al mercado.

En una fábrica automotriz, por ejemplo, las cámaras de visión artificial de Cognex toman imágenes digitales de piezas como guardabarros (defensas) y bloques de motores. VisionPro Deep Learning escanea estas imágenes en busca de rayones, abolladuras y otras anomalías que los inspectores humanos suelen no detectar. Identificar estas fallas por adelantado hace que las líneas de fabricación sean más productivas y fortalece la calidad del producto. También se puede utilizar para clasificar piezas o defectos, además de ubicar piezas y verificar montajes. Este tipo de tareas de inspección suelen seguir realizándose de forma manual, o no se realizan, debido a que requieren la participación del criterio humano.

Cómo se desempeña el VisionPro Deep Learning sobre el conjunto de datos COVIDx

Una medida llamada valor F evalúa la precisión general de un sistema de aprendizaje profundo, que intenta predecir con exactitud patrones y anomalías en imágenes digitales. Los investigadores de Cognex analizaron casi 14.000 radiografías de la base de datos COVID-Net. Las imágenes se clasificaron y dividieron en tres categorías: normal, neumonía no causada por COVID-19 y COVID-19.

Radiografías de COVID-19 (1)

Como vemos en esta tabla que compara los múltiples paquetes de aprendizaje profundo, COVID-Net tuvo resultados predictivos robustos, que van desde 92.6% en las imágenes normales a 94.7% en las imágenes de COVID-19. VisionPro Deep Learning tuvo un resultado incluso mejor, de 95.6% en las radiografías normales y 97.0% en las radiografías de COVID-19.

resultados de COVID

Por supuesto, este es solo un estudio. Aunque el equipo de Cognex utilizó técnicas estándar de la industria para la investigación y el análisis estadístico, queda por ver si otros investigadores pueden replicar los resultados.

Vandenhirtz ha dicho que el principal interés de la empresa a corto plazo es dar a conocer a la comunidad médica mundial las capacidades de este tipo de software, que también ha mostrado resultados prometedores en las imágenes de TC (tomografía computarizada). También podría resultar útil en áreas como la oftalmología, que se basa en imágenes de la retina, o la patología digital, que utiliza imágenes microscópicas de portaobjetos histológicos.

Debido a todas sus capacidades, los algoritmos de aprendizaje profundo no pueden reemplazar en su totalidad la sabiduría de los clínicos humanos, comentó Vandenhirtz. Sin embargo, al igual que el estetoscopio o el manguito de presión arterial, es una herramienta útil para ayudar a los profesionales sanitarios a realizar su trabajo a un alto nivel.

En este contexto, el software VisionPro Deep Learning de Cognex ofrece una útil función de mapa térmico, que resalta las áreas de la imagen que son importantes para la clasificación. Las áreas de colores entre amarillo y rojo son importantes, mientras las que se encuentran entre verde y azul no son relevantes para el algoritmo de decisión.

En el mundo real, esta función de mapa térmico le permite a la herramienta brindar no solo una recomendación respecto al diagnóstico potencial (es decir, positivo o negativo para COVID-19), sino que además identifica las áreas donde detectó los síntomas de la enfermedad. Esto es importante porque ayuda a los radiólogos a centrarse en una región específica de la imagen para que puedan verificar o contrarrestar el diagnóstico de la IA, evitando así que ésta tome la decisión correcta por una razón equivocada.

mapa térmico de COVID

“No creemos que, al menos en el corto a mediano plazo, que la IA sea capaz de diagnosticar”, concluyó. El VisionPro Deep Learning puede realizar recomendaciones, pero en última instancia es decisión del radiólogo determinar qué significa la imagen.

La IA no reemplazará a los radiólogos, agregó, pero sí reemplazará a los radiólogos que no utilizan IA.

Más publicaciones en

ACCESO A ASISTENCIA Y CAPACITACIÓN PARA PRODUCTOS Y MÁS

Únase a MyCognex

¿Tiene alguna pregunta?

Los representantes de Cognex están disponibles en todo el mundo para respaldar sus necesidades de visión y de lectura de códigos de barras industriales.

Contáctenos
Loading...