• Contatto vendite Cognex: 02 30578196

  • Contatti

Blog Cognex

Il Deep Learning VisionPro aiuta i radiologi a identificare le immagini di COVID-19 o polmonite

Using deep learning to identify Covid in CT scans

La nuova malattia del coronavirus, denominata COVID-19 dall'Organizzazione mondiale della sanità, è causata da una nuova classe di coronavirus nota come SARS-CoV-2 (sindrome respiratoria acuta grave da coronavirus 2). Questo virus RNA a filamento singolo (acido ribonucleico) può causare gravi infezioni respiratorie, che possono portare al ricovero e alla morte. Quasi 55 milioni di persone sono state infettate in tutto il mondo con 1,35 milioni di morti.

Oggi, gli scienziati stanno lavorando diligentemente a terapie e vaccini per proteggere la popolazione generale contro il COVID-19. Fino a quando i loro sforzi non daranno frutti efficaci, una delle migliori soluzioni è stata quella di rilevare il virus nelle sue fasi iniziali e quindi isolare le persone infette attraverso la quarantena, prevenendo la diffusione della malattia. Il test di reazione a catena della polimerasi con trascrizione inversa in tempo reale utilizzando tamponi nasofaringei misura i livelli di RNA nel corpo ed è stato utilizzato per la diagnosi COVID-19 più precisa. Tuttavia, il test richiede ore per essere condotto e gli arretrati possono portare a tempi di attesa ancora più lunghi. Un metodo migliore e più preciso per la diagnosi di COVID-19 è attraverso le radiografie e le scansioni di tomografia computerizzata (TC).

Nell'estate del 2020, un team di ricercatori medici ha applicato il software Cognex Deep Learning VisionPro (DL) al problema della rilevazione del coronavirus mediante l'analisi delle radiografie del torace, con risultati positivi. In un articolo successivo, il team confronta l'efficacia dell'applicazione del software VisionPro DL per identificare le indicazioni COVID-19 nelle scansioni TC. Il documento ha anche esplorato come programmare il software in modo ancora più rapido e semplice, ancora una volta con risultati significativamente positivi.

Radiografie, scansioni TC e COVID-19

Le immagini mediche come le radiografie possono fornire a medici e radiologi prove visive che i test di laboratorio COVID-19 sono precisi. Inoltre, le reti neurali del deep learning, addestrate in modo simile a come un bambino apprende tramite esempi, possono alleggerire il carico di lavoro dei medici analizzando migliaia di immagini mediche e identificando anomalie che confutano o supportano una diagnosi.

C'è solo un ostacolo: Gli strumenti di deep learning open source più diffusi sono difficili da usare e richiedono una notevole esperienza di programmazione. Non è pratico aspettarsi che operatori sanitari come medici, radiologi e altri medici padroneggino questi strumenti.

Quest'estate, un team di esperti di intelligenza artificiale (IA) di Cognex ha deciso di superare questo ostacolo con un'ipotesi di base: Il software di automazione industriale di Cognex può fornire un'alternativa di facile utilizzo ai migliori strumenti di deep learning open source al mondo, che corrisponda alle loro prestazioni? Lo studio, intitolato "Identificazione delle immagini di COVID-19 da radiografie del torace utilizzando il deep learning: confronto del software Cognex Deep Learning VisionPro 1.0 con le reti neurali convoluzionali open source", ha confrontato la rete neurale del computer (CNN) Cognex VisionPro DL con diverse importanti CNN open source per la valutazione delle radiografie, tra cui VGG19, ResNet, DenseNet e Inception. Da quando ha superato la revisione tra pari, il documento, scritto da Arjun Sarkar, Joerg Vandenhirtz, Jozsef Nagy, David Bacsa e Mitchell Riley, che lavorano tutti nel team di scienze biologiche di Cognex, ha attirato l'attenzione di diversi importanti editori di ricerca.

"Siamo rimasti sorpresi nell'apprendere che è facile per il software distinguere tra le patologie che si manifestano nelle radiografie", ha affermato Vandenhirtz, esperto di intelligenza artificiale senior di Cognex nel settore delle scienze biologiche. "È quasi impossibile per gli esseri umani capire le differenze nelle immagini delle radiografie con diverse patologie. Cinque radiologi possono fornire cinque opinioni diverse su questo tipo di immagini".

Studio 1: VisionPro DL si distingue, spicca sullo

studio di Cognex basato sui risultati dei ricercatori dell'Università di Waterloo in Ontario, Canada, intitolato "COVID-Net: un progetto di rete neurale convoluzionale profonda su misura per il rilevamento di casi COVID-19 da immagini radiografiche del torace". Utilizzo di quasi 14.000 radiografie del torace in un set di dati chiamato COVIDx. I coautori Linda Wang e Alexander Wong hanno utilizzato pacchetti di DL open source per costruire COVID-Net, una sofisticata rete neurale che ha analizzato le radiografie e imparato a identificare i polmoni che avevano segni rivelatori di COVID-19.

Una misurazione chiamata F-score valuta la precisione complessiva di un sistema di deep learning, che tenta di prevedere con precisione modelli e anomalie sulle immagini digitali. In sostanza, l'F-score è la percentuale di previsioni corrette generate dal sistema di deep learning.

I ricercatori di Cognex hanno analizzato quasi 14.000 immagini radiografiche nel set di dati COVID-Net. Le immagini sono state suddivise in tre categorie: polmonite normale, non COVID-19 e COVID-19. Come mostra questa tabella che confronta più pacchetti di DL, COVID-Net ha generato forti risultati predittivi, che vanno dal 92,6% per le immagini normali al 94,7% per le immagini COVID-19. Deep learning VisionPro 1.0 è andato ancora meglio, con il 95,6% sulle normali radiografie e il 97,0% sulle radiografie COVID-19.

Picture1

Studio 2: Deep Learning VisionPro amplia il proprio vantaggio sulle scansioni TC

Un documento Cognex più recente sviluppato dallo stesso gruppo di ricerca guarda oltre le radiografie del torace alle scansioni TC. Mentre molti studi hanno dimostrato il successo nel rilevare immagini di COVID-19 utilizzando il deep learning nelle scansioni TC e nelle radiografie, la maggior parte delle architetture di deep learning necessita di una programmazione approfondita perché non offrono un'interfaccia grafica utente (GUI) per programmare il sistema. È difficile per i radiologi che non hanno conoscenze di deep learning o nella programmazione utilizzare questi programmi, figuriamoci addestrarli.

"Un grosso problema nell'adozione del software di deep learning è che un pacchetto standard, come TensorFlow, richiede ai programmatori di creare i propri modelli in un'interfaccia terminale basata su testo", ha continuato Vandenhirtz. "Deep Learning VisionPro, al contrario, ha una GUI di facile utilizzo che non richiede esperienza di programmazione. Se puoi imparare a usare Microsoft Office, allora puoi imparare a usare VisionPro DL". Vandenhirtz ha aggiunto che Arjun Sarkar, capo ricercatore del progetto, non aveva mai lavorato con VisionPro DL prima di entrare a far parte di Cognex. In due mesi, Sarkar ha appreso il programma, condotto la ricerca e scritto i risultati. Uno studio DL convenzionale potrebbe richiedere anni-uomo per costruire una rete, sviluppare modelli e addestrare algoritmi. VisionPro DL riduce drasticamente quel lasso di tempo.

Essendo l'efficacia e la facilità di utilizzo due considerazioni fondamentali per le indagini successive, l'ultima indagine di Cognex ha esaminato il successo di VisionPro DL nell'identificazione della polmonite COVID-19 normale e non COVID, nonché la quantità di formazione necessaria per ottenere punteggi F-score elevati. Il documento successivo, "Rilevamento di COVID-19 da immagini di tomografia computerizzata (TC) del torace utilizzando il deep learning: confronto tra il software COGNEX Deep Learning VisionPro 1.0 e le reti neurali convoluzionali open source", utilizza un set di dati di immagini TC del torace del team di Linda Wangs presso il Vision and Image Processing Lab dell'Università di Waterloo, che include oltre 100.000 immagini taggate da esperti. Oltre alle CNN in totale, abbiamo confrontato il Deep Learning VisionPro di Cognex con altre CNN all'avanguardia, comprese le architetture CNN dell'Università di Waterloo COVID-Net-CT-A e COVID-Net-CT-B, nonché l'ultima architettura CNN di Google Xception.

Come illustra la tabella seguente, Deep Learning VisionPro 1.0 di Cognex ha funzionato leggermente meglio di tutte le altre architetture di rete CNN con punteggi F > 99.4 in tutte e tre le classi (normale, polmonite non-COVID e COVID-19). Questa indagine iniziale ha suddiviso il set di dati della scansione TC originale di 100.000 immagini in due gruppi: un gruppo di addestramento di 61.783 immagini e un gruppo "di prova" di 21.191 immagini, che sono state analizzate dopo l'addestramento da ciascuna CNN.

Picture2

Per ottenere maggiori informazioni sul numero di immagini necessarie per "addestrare" una CNN di radiografia esistente per valutare le condizioni normali, COVID-19 e polmonite, Cognex ha ricominciato, addestrando la CNN Cognex su 26.338 immagini invece di più di 61.000. Come mostra la tabella seguente, sono stati confrontati gli F-score per ciascuna CNN. Deep Learning VisionPro di Cognex ha dominato le altre architetture CNN con F-score > 99.1 per tutte e tre le classi di immagini (normale, COVID-19, polmonite), mentre tutte le altre CNN sono scese agli alti F-score che vanno dagli alti ottanta alla metà dei novanta, soprattutto nelle due classi patologiche rilevanti: polmonite e COVID-19.

Picture3

Il deep learning offre ai radiologi un potente strumento diagnostico

Sebbene i risultati dei primi due studi di Cognex richiedano ancora la verifica da parte di altri ricercatori medici, i risultati iniziali sono promettenti. Inoltre, il software non è stato ancora approvato per uso medico.

Vandenhirtz ha detto che il principale interesse a breve termine dell'azienda è quello di informare la comunità medica globale delle capacità di questo tipo di software. Esso potrebbe anche rivelarsi utile in aree come l'oftalmologia, che si basa su immagini dei meccanismi interni dell'occhio.

Nonostante tutte le loro capacità, gli algoritmi di deep learning non possono sostituire completamente la saggezza dei medici umani, ha affermato Vandenhirtz. Ma, come lo stetoscopio o il bracciale per la pressione sanguigna, si tratta di uno strumento utile per aiutare gli operatori sanitari a svolgere il proprio lavoro ad alto livello.

"Non riteniamo, almeno nel breve e medio termine, che l'intelligenza artificiale sia in grado di fare una diagnosi", ha concluso. "DL VisionPro può fornire raccomandazioni, ma alla fine spetta al radiologo decidere come interpretare l'immagine".

Altri post in merito a

OTTIENI L’ACCESSO AD ASSISTENZA E FORMAZIONE IN MERITO AI PRODOTTI E MOLTO ALTRO ANCORA

Entra a far parte di MyCognex

AVETE DELLE DOMANDE?

I rappresentanti Cognex sono disponibili in tutto il mondo per supportarvi nelle vostre necessità di lettura dei codici a barre industriali

CONTATTI
Loading...