ブログ

放射線科医による COVID-19 または肺炎の画像識別に役立つ VisionPro Deep Learning

Using deep learning to identify Covid in CT scans

世界保健機関 (WHO) が COVID-19 (新型コロナウイルス感染症) と名付けた新型コロナウイルス病は、SARS-CoV-2 (重症急性呼吸器症候群コロナウイルス2) として知られる新しいコロナウイルスクラスによって引き起こされます。この一本鎖 RNA (リボ核酸) ウイルスは、重度の呼吸器感染症を引き起こし、入院や死亡につながる可能性があります。世界中で約 5,500 万人が感染し、135 万人が死亡しています。

現在、科学者たちは、COVID-19 への感染を防ぐための治療薬やワクチンの開発に熱心に取り組んでいます。その努力が効果的な実を結ぶまで、最良の解決策の1つは、初期段階でウイルスを検出し、検疫を通じて感染者を隔離し、病気の広がりを防ぐことです。鼻咽頭スワブを使用するリアルタイム逆転写ポリメラーゼ連鎖反応試験は、体内の RNA レベルを測定し、最も正確な COVID-19 診断に使用されています。ただし、テストの実施に数時間かかり、テスト待ちはさらに長くなる可能性があります。COVID-19 を診断するためのより良い、より正確な方法は、X線およびコンピュータ断層撮影 (CT) スキャンを使用することです。

2020 年の夏、医学研究チームはコグネックスの VisionPro Deep Learning (DL) ソフトウェアを採用し、胸部レントゲン画像を分析してコロナウイルスを検出する問題に積極的な結果を加えました。後続の論文で、チームは VisionPro DL ソフトウェアを適用して CT スキャンで COVID-19 の症状を特定する有効性を比較しています。この論文では、ソフトウェアをより迅速かつ簡単にプログラムする方法も検討し、さらに肯定的な結果を得ています。

レントゲン、CT スキャン、COVID-19

X線のような医療画像は、医師や放射線科医に新型コロナウイルス感染症の臨床検査が正確であるという視覚的証拠を与えることができます。さらに、ディープラーニングのニューラルネットワークは、子供が例から学習するのと同様の方法で何千もの医療画像を分析し、診断を否定または支持する異常を特定することで、臨床医の作業負荷を軽減することができます。

そこには1つの障害が潜んでいます。実績の高いオープンソースのディープラーニングツールは、使用が困難であり、プログラミングに関する専門知識が必要です。医師、放射線科医、その他の臨床医などの医療従事者がこれらのツールを使いこなすことを期待することは現実的ではありません。

この夏、コグネックスの人工知能 (AI) 専門家チームは、この障害を次の基本的な仮説で乗り越えることを始めました:コグネックスの産業オートメーションソフトウェアは、世界トップのオープンソースディープラーニングツールに代わる使いやすいツールを提供できますか?この研究は、「ディープラーニングを用いた胸部レントゲンによる新型コロナウイルス感染症画像の特定:コグネックスの VisionPro Deep Learning 1.0 ソフトウェアとオープンソースの畳み込みニューラルネットワークの比較」という題名で、コグネックスの VisionPro DL コンピュータ ニューラル ネットワーク (CNN) を、VGG19、ResNet、DenseNet、Inception などの X 線評価用の有名なオープンソース CNN と比較しました。相互評価を通過後、コグネックスのライフサイエンスチームメンバーである Arjun Sarkar、Joerg Vandenhirtz、Jozsef Nagy、David Bacsa、Mitchell Riley が執筆したこの論文は、いくつかの主要な研究出版社から注目を集めています。

「レントゲン画像に現れる病理をソフトウェアで区別することは思ったより簡単であることを知って驚きました」と、コグネックスノライフサイエンス部シニア AI エキスパート Vandenhirtz は語っています。「人がレントゲン画像から異なる病理の違いを把握することはほとんど不可能です。放射線科医が5人いれば、画像から5つの異なる意見が得られるはずです。」

研究1:期待に応える VisionPro DL

コグネックスの研究は、カナダのオンタリオ州ウォータールー大学での研究結果に基づいて構築され、「COVID-Net: 胸部レントゲン画像から COVID-19 の症状を検出するために調整されたディープラーニングによる畳み込みニューラルネットワーク設計」として発表されました。COVIDx と呼ばれるデータセットで約14,000の胸部レントゲン画像を使用しています。共著者 Linda Wang と Alexander Wong は、オープンソースの DLパッケージを使用して、レントゲン画像を解析し、新型コロナウイルス感染症感染の兆候を持つ肺を特定することを学習する洗練されたニューラルネットワーク COVID-Net を構築しました。

Fスコアと呼ばれる測定は、デジタル画像のパターンと異常を正確に予測するディープラーニングシステムの全体的な精度を評価します。基本的に、Fスコアは、ディープラーニングシステムによって生成された正しい予測の割合です。

コグネックスの研究者は、COVID-Net データセットで約 14,000 枚のレントゲン画像を分析しました。その画像は、正常、COVID-19 以外の肺炎、COVID-19 の3つのカテゴリーに分類されました。下の表は、複数の DL パッケージによる比較を示しています。COVID-Net は、92.6%の正常画像から94.7%のCOVID-19画像まで、非常に強力な予測結果を出しました。VisionPro Deep Learning 1.0 は、さらに95.6%の正常、97.0%の COVID-19 画像を特定しました。

写真1

研究2:CT スキャンでリードを広げる VisionPro Deep Learning

同じ研究チームが作成した最近のコグネックス論文は、胸部レントゲン画像のみでなく CT スキャンも言及しています。CT スキャンやレントゲン画像にディープラーニングを用いた COVID-19 画像の検出に成功した研究は数多くありますが、ディープラーニングアーキテクチャのほとんどは、グラフィカルユーザーインタフェース (GUI) を提供していないため、システムをプログラミングするために広範なプログラミングが必要です。ディープラーニングやプログラミングに関する知識が不足している放射線科医にとって、これらのプログラムを訓練することは容易ではありません。

「ディープラーニングソフトウェアの採用に関する大きな問題は、TensorFlow などの標準パッケージには、プログラマがテキストベースのターミナルインターフェイスでモデルを構築する必要があることです」と、Vandenhirtz は語っています。「一方、VisionPro Deep Learning は、プログラミングの経験が必要ない使いやすい GUI が採用されています。Microsoft Office を使用することができれば、VisionPro DL も使いこなすことができます。」Vandenhirtz によると、プロジェクトの主任研究者であるArjun Sarkar は、コグネックスに入社する前に VisionPro DL を使ったことがありませんでした。Sarkar は、たった 2ヶ月でプログラムを学び、研究を行い、調査結果を作成することができました。従来の DL 研究では、ネットワークの構築、モデルの開発、アルゴリズムのトレーニングを行うために、人年が必要になる場合があります。VisionPro DL は、その時間枠を劇的に短縮します。

その後の研究では、有効性と使いやすさを研究における2つの重要な考慮事項として、コグネックスの最新の調査では、VisionPro DLが正常なCOVID-19および非COVID肺炎を特定することに成功し、高いFスコアを達成するために必要なトレーニングの量について言及しています。その後の論文、「ディープラーニングを用いた胸部コンピュータ断層撮影 (CT) 画像による COVID-19 の検出:コグネックス VisionPro Deep Learning 1.0 ソフトウェアとオープンソース畳み込みニューラルネットワークの比較」では、ウォータールー大学のビジョンおよび画像処理ラボで Linda Wang のチームが採取した 100,000 以上の専門的にタグ付けされた画像胸部の CT 画像データを使用しました。合計 CNN に加えて、その他の最先端 CNN (ウォータールー大学の CNN アーキテクチャ COVID-Net-CT-A、COVID-Net-CT-B、Google の最新 CNN アーキテクチャ Xception など) に対してコグネックスの VisionPro Deep Learning をベンチマークしました。

下の表は、コグネックスの VisionPro Deep Learning 1.0 が、3 つのクラス (正常、COVID 以外の肺炎、COVID-19) すべてで F スコア 99.4 を持つ他のすべての CNN ネットワーク アーキテクチャよりもわずかに優れたパフォーマンスを発揮したことを示しています。この最初の調査は、元の 100,000 画像に及ぶ CT スキャンデータセットを 2 つのグループ、61,783 画像のトレーニンググループと 21,191 画像の「テスト」グループに分割し、各 CNN で登録後に分析しました。

写真2

コグネックスは、「登録」に必要な画像数に関してより多くの洞察を得るため、既存のX線CNNから正常、COVID-19、肺炎の状態を評価し、61,000 以上ではなく 26,338 画像でコグネックス CNN への登録をやり直しました。下の表が示すように、各 CNN の Fスコアを比較しました。コグネックスの VisionPro Deep Learning は、3つの画像クラス(正常、COVID-19、肺炎)に対してFスコア 99.1 以上でその他の CNN アーキテクチャを上回りました。一方、他のすべての CNN は、特に肺炎と COVID-19 の 2つの関連する病理クラスで、80後半から90半ばまでのFスコアが低下していました。

写真3

放射線科医にパワーを与えるディープラーニング採用診断ツール

コグネックスの最初の2つの研究の結果は、別の医学研究者による検証を必要としますが、最初の結果は有望です。さらに、このソフトウェアは、医療用にはまだ承認されていません。

Vandenhirtz は、同社の主要な短期的な関心は、この種のソフトウェアの機能について世界の医学界に伝えることであると語っています。また、眼の内部メカニズムの写真を採用する眼科などの分野で有用であることが証明される可能性があります。

ただし、ディープラーニングアルゴリズムのあらゆる機能をもっても、臨床医の知恵を完全に置き換えることはできません。しかし、聴診器や血圧カフのように、医療従事者が高レベルで仕事をするのに役立つツールです。

「少なくとも短期から中期的には、AIが診断を下すことができるとは考えていない」と結論付けています。「VisionPro DL は、推奨することはできても、最終的には放射線科医が画像の意味を判断する必要があります。」

他の投稿

製品のサポートやトレーニングなどの詳細を見る

マイコグネックスに参加

お気軽にお問合せください

Cognex は世界中でお客様のビジョンと工業用バーコドリーダのあらゆるニーズをサポートしています。

お問合わせ
Loading...