Blogs Cognex

VisionPro Deep Learning se révèle prometteur pour l’identification de la COVID-19 sur les radiographies thoraciques

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

Lorsque la pandémie de COVID-19 a commencé à susciter l’inquiétude dans le monde entier, les experts en Deep Learning de Cognex se sont demandés si leur technologie pouvait venir en aide aux professionnels de santé qui cherchaient à organiser une défense efficace.

Leur inquiétude était justifiée : à la mi-septembre 2020, pas loin de 30 millions de personnes ont contracté la COVID-19 à travers le monde et pratiquement un million de personnes ont perdu la vie. Les cliniciens ont tous dû faire face aux mêmes défis, où qu’ils se trouvaient : le dépistage par des tests en laboratoire pour confirmer les cas de COVID était fastidieux et retardait le diagnostic et le traitement éventuels. La radiographie et d’autres technologies d’imagerie médicale pouvaient confirmer rapidement un diagnostic de COVID, mais la signification de ces images pouvait être facilement mal interprétée.

L’équipe spécialisée en Deep Learning de Cognex s’est penchée sur ces difficultés et s’est aperçue qu’un progiciel qu’elle avait mis au point pour automatiser et optimiser les lignes de production pouvait apporter une valeur ajoutée à l’imagerie médicale dans la lutte contre la pandémie.

L’intérêt de combiner le Deep Learning et l’imagerie médicale

Les images médicales comme les radiographies sont essentielles pour confirmer un diagnostic de COVID-19, car elles donnent aux médecins et aux radiologues une preuve visuelle que les tests en laboratoire sont précis. De plus, le logiciel basé sur le Deep Learning peut alléger la charge de travail des cliniciens en analysant des milliers d’images médicales et en identifiant les anomalies qui réfutent ou étayent un diagnostic.

Il n’y a qu’un seul obstacle : les outils de Deep Learning open source les plus populaires sont difficiles à utiliser et exigent une grande expérience en programmation. Il n’est pas réaliste d’attendre des professionnels de la santé, tels que les médecins, les radiologues et autres cliniciens, qu’ils maîtrisent ces outils.

Une équipe d’experts en IA de Cognex a entrepris de surmonter cet obstacle avec une question fondamentale : le logiciel d’automatisation industrielle de Cognex peut-il offrir une alternative simple d’utilisation aussi performante que les meilleurs outils de Deep Learning open source au monde ?

Le test initial de cette hypothèse a montré un fort potentiel. Une recherche menée par une équipe de cinq experts en Deep Learning de Cognex a indiqué que le logiciel de vision industrielle de pointe de l’entreprise égalait, voire surpassait la précision des meilleurs outils de Deep Learning open source au monde.

L’étude, intitulée « 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 », a attiré l’attention des principaux éditeurs de recherches. Les coauteurs Arjun Sarkar, Joerg Vandenhirtz, Jozsef Nagy, David Bacsa et Mitchell Riley font tous partie de l’équipe dédiée aux sciences de la vie de Cognex.

« Nous avons été surpris d’apprendre que le logiciel différencie facilement les pathologies qui apparaissent sur les radiographies », déclare M. Vandenhirtz, expert principal en IA pour les sciences de la vie chez Cognex. « Il est pratiquement impossible pour les humains de comprendre les différences entre les radiographies de différentes pathologies. Cinq radiologues peuvent donner chacun un avis différent sur ces types d’images. »

M. Vandenhirtz a coordonné l’étude visant à étendre la technologie de vision industrielle de pointe de l’entreprise aux domaines des soins de santé et des sciences de la vie. La pandémie mondiale de coronavirus a donné un caractère urgent à la démarche, tandis que COVIDx, un vaste ensemble de données rassemblant des radiographies thoraciques de patients COVID-19, a fourni les images de test pour l’étude. Il a engagé Sarkar, candidat au master en génie biomédical de l’Université des sciences appliquées d’Aix-la-Chapelle, en Allemagne, pour mener l’expérience et résumer ses conclusions dans le rapport de recherche.

Sarkar avait une solide expérience de l’utilisation de TensorFlow, la principale plateforme de Deep Learning de Google, a déclaré M. Vandenhirtz. TensorFlow exige des programmeurs qu’ils conçoivent leurs modèles dans une interface utilisateur textuelle. VisionPro Deep Learning, à l’inverse, propose une interface utilisateur graphique intuitive qui ne nécessite aucune expérience préalable en programmation.

COVID-19 interface utilisateur graphique (1)

Exploitation d’une étude sur la COVID et le Deep Learning

L’étude de Cognex s’appuie sur les résultats d’une étude de recherche menée à l’Université de Waterloo, dans l’Ontario, au Canada. L’étude, intitulée « COVID-Net: A Tailored Deep Convolutional Neural Network Design for Detection of COVID-19 Cases from Chest X-Ray Images », a rassemblé près de 14 000 radiographies thoraciques dans un ensemble de données appelé COVIDx. Les coauteurs Linda Wang et Alexander Wong ont utilisé des logiciels de Deep Learning open source pour créer COVID-Net, un réseau neuronal sophistiqué qui a analysé les radiographies et a appris à identifier les poumons qui présentaient des signes de la COVID-19.

Un groupe de chercheurs de l’Université de Waterloo a créé une start-up du nom de DarwinAI pour développer un logiciel commercial basé sur le Deep Learning pour exploiter la valeur des ressources comme COVID.Net, qui est très prometteur, mais qui doit encore relever un défi fondamental en matière de maniabilité.

« À l’heure actuelle, c’est simplement une approche très technique que les scientifiques pourraient exploiter, mais certainement pas un radiologue ou un professionnel de la santé. Il faut donc l’intégrer à une bonne application avec une interface utilisateur qui soit assez facile à utiliser et exploitable par quelqu’un qui n’est pas expert », a déclaré Sheldon Fernandez, PDG de DarwinAI, lors d’un entretien avec CDNet.

Les chercheurs de Cognex ont compris les implications de ces contraintes. VisionPro Deep Learning a été développé pour les clients de Cognex qui opèrent dans le secteur de la fabrication. Ses développeurs l’ont conçu spécialement pour que les responsables d’usines et les techniciens puissent utiliser le Deep Learning pour analyser les images sur leurs lignes de production afin d’assurer le contrôle de la qualité et de ne pas introduire des produits défectueux et endommagés sur le marché.

Dans une usine automobile, par exemple, les caméras de vision industrielle de Cognex prennent des photos numériques de pièces telles que les ailes et les blocs moteurs. VisionPro Deep Learning recherche dans ces images des rayures, des bosses et d’autres anomalies que les inspecteurs humains manquent souvent. Signaler ces défauts plus tôt permet de préserver la productivité des lignes de production et d’améliorer la qualité des produits. Il peut également être utilisé pour classer les pièces ou les défauts, ainsi que pour localiser les pièces et vérifier les assemblages. Ces types d’inspections sont souvent effectués manuellement, voire pas du tout, car ils font principalement intervenir le jugement humain.

Performances de VisionPro Deep Learning avec l’ensemble de données COVIDx

Une mesure appelée score F évalue la précision globale d’un système basé sur le Deep Learning qui tente de prédire avec précision les modèles et les anomalies sur des images numériques. Les chercheurs de Cognex ont analysé pas loin de 14 000 radiographies issues de l’ensemble de données COVID-Net. Les images ont été divisées en trois catégories : normales, pneumonie autre que la COVID-19 et COVID-19.

COVID-19 radiographies (1)

Comme indiqué dans ce tableau qui compare plusieurs logiciels de Deep Learning, COVID-Net a produit des résultats prédictifs fiables, allant de 92,6 % sur des images normales à 94,7 % sur des images de la COVID-19. VisionPro Deep Learning a fait encore mieux, avec 95,6 % sur des radiographies normales et 97,0 % sur des radiographies de la COVID-19.

résultats covid

Bien entendu, il ne s’agit là que d’une étude. Bien que l’équipe de Cognex ait utilisé les techniques standard de l’industrie pour la recherche et l’analyse statistique, il reste à savoir si d’autres chercheurs parviendront à reproduire ces résultats.

M. Vandenhirtz a indiqué que le principal intérêt à court terme de l’entreprise est de faire connaître à la communauté médicale mondiale les capacités de ce type de logiciel, qui a également montré des résultats prometteurs avec la tomodensitométrie. Il pourrait également s’avérer utile dans des domaines comme l’ophtalmologie, qui s’appuie sur des images de la rétine, ou la pathologie numérique, qui utilise des images microscopiques de coupes histologiques.

Malgré toutes leurs capacités, les algorithmes de Deep Learning ne peuvent pas remplacer totalement la sagesse des cliniciens humains, précise M. Vandenhirtz. Mais, comme le stéthoscope ou le brassard du tensiomètre, il s’agit d’un outil utile pour aider les professionnels de la santé à exercer leur métier dans des conditions optimales.

À cet égard, le logiciel VisionPro Deep Learning de Cognex offre une fonctionnalité utile de carte thermique, qui met en avant les zones de l’image importantes pour la classification. Les zones de couleur jaune à rouge sont importantes, tandis que les zones de couleur verte à bleue n’ont aucune importance pour l’algorithme de décision.

En réalité, cette fonctionnalité de carte thermique permet à l’outil non seulement de fournir une recommandation pour le diagnostic potentiel (par exemple, positif ou négatif à la COVID-19), mais aussi d’identifier les zones dans lesquelles il a détecté les symptômes de la maladie. C’est un point important, car cela aide les radiologues à se concentrer sur une zone spécifique de l’image pour confirmer ou réfuter le diagnostic de l’IA et lui éviter ainsi de prendre la bonne décision pour la mauvaise raison.

carte thermique covid

« Nous ne pensons pas, du moins à court ou moyen terme, que l’IA sera capable d’établir un diagnostic », a-t-il conclu. « VisionPro Deep Learning peut donner des recommandations, mais c’est au radiologue qu’il revient de décider de la signification de l’image. »

L’IA ne remplacera pas les radiologues, ajoute-t-il, mais il remplacera les radiologues qui n’utilisent pas l’IA.

Plus d’articles

ACCÉDEZ AU SUPPORT ET AUX FORMATIONS POUR VOS PRODUITS ET BIEN PLUS

Rejoindre MyCognex

AVEZ-VOUS DES QUESTIONS ?

Les représentants de chez Cognex sont disponibles dans le monde entier pour soutenir votre vision et vos besoins de lecture de codes-barres industriels.

Contact commercial
Loading...