Blogs da Cognex

O VisionPro Deep Learning Ajuda Radiologistas a Identificar Imagens de COVID-19 ou Pneumonia

Using deep learning to identify Covid in CT scans

A nova doença coronavírus denominada COVID-19 pela Organização Mundial de Saúde é provocada por uma nova variante de coronavírus conhecida como SARS-CoV-2 (síndrome respiratória aguda grave - coronavírus 2). Este vírus de ácido ribonucleico (RNA) de filamento único pode provocar infecções respiratórias graves, levando potencialmente à hospitalização e óbito. Quase 55 milhões de pessoas foram infectadas em todo o mundo, com 1,35 milhões de mortes.

Hoje, os cientistas estão trabalhando de forma diligente na terapêutica e vacinas para proteger a população em geral de contrair a COVID-19. Até os seus esforços produzirem frutos, uma das melhores soluções tem sido a detecção do vírus nos seus primeiros estágios e, depois, isolar as pessoas infectadas por meio de quarentena, evitando a propagação da doença. O teste em tempo real de transcrição reversa e reação em cadeia da polimerase com esfregaços nasofaríngeos mede o nível de RNA no corpo e foi usado no diagnóstico mais preciso de COVID-19. No entanto, o teste demora horas para ser feito e os atrasos podem levar a ainda mais tempo de espera. Um método melhor e mais preciso para diagnóstico do COVID-19 é utilizando raios-X e digitalizações de tomografia computorizada (TC).

No verão de 2020, uma equipe de investigadores médicos aplicou o software VisionPro Deep Learning (DL) da Cognex ao problema de detecção do coronavírus, analisando Raios-X do tórax, com resultados positivos. Numa publicação científica, a equipe compara a eficácia de aplicar o software VisionPro DL na identificação das indicações de COVID-19 nas digitalizações de TC. A publicação também explorou a forma de programar o software de forma mais rápida e fácil, com resultados significativamente positivos.

Raios-X, Digitalizações de TC e COVID-19

As imagens médicas, como os Raios-X, podem dar aos médicos e radiologistas evidência visual de que os testes laboratoriais de COVID-19 são precisos. Além disso, as redes neurais de deep learning, treinadas de forma similar à forma como as crianças aprendem através de exemplos, podem aliviar a carga de trabalho dos médicos por meio da análise de milhares de imagens médicas e identificação de anomalias para refutação ou apoio de um diagnóstico.

Existe somente um entrave: As ferramentas mais populares de deep learning de código aberto são difíceis de usar e requerem uma experiência de programação substancial. Não é razoável esperar que os trabalhadores da área de saúde, como médicos, radiologistas e outros clínicos, dominem estas ferramentas.

Neste verão, uma equipe de especialistas de inteligência artificial (IA) da Cognex decidiu ultrapassar este obstáculo com uma hipótese de base: Conseguiria o software de automação industrial da Cognex oferecer ao mundo uma alternativa de fácil utilização que pudesse corresponder ao desempenho das principais ferramentas de deep learning de código aberto? O estudo, intitulado Identificação de Imagens da COVID-19 a partir de Raios-X do Tórax com Deep Learning: Comparação do Software VisionPro Deep Learning 1.0 d Cognex com Redes Neurais Convolucionais de Código Aberto comparava a rede neural informática (CNN) do VisionPro DL da Cognex com várias CNN proeminentes de código aberto para avaliação dos raios-X, incluindo VGG19, ResNet, DenseNet e Inception. Depois de passar pela revisão dos pares, a publicação da autoria de Arjun Sarkar, Joerg Vandenhirtz, Jozsef Nagy, David Bacsa e Mitchell Riley, todos a trabalhar na equipe de Ciências da Vida da Cognex, chamou a atenção de vários dos principais editores de pesquisa.

Ficamos surpresos por saber que é fácil para o software diferenciar as patologias que são apresentadas nos Raios-X, afirmou Vandenhirtz, Especialista Sênios de IA de Ciências da Vida da Cognex. É quase impossível para o seres humanos perceberem diferenças nas imagens de Raios-X com diferentes patologias. Cinco radiologistas podem ter cinco opiniões diferentes sobre esses tipos de imagens.

Estudo 1: VisionPro DL Destaca-se, Acima da Média

O estudo da Cognex foi construído com base nos resultados de um estudo de pesquisa na Universidade de Waterloo em Ontário, Canadá, intitulado COVID-Net: Um Projeto de Rede Neural Convolucional Deep Learning Personalizado para Detecção de Casos da COVID-19 a Partir de Imagens de Raios-X do Tórax. Usando quase 14.000 Raios-X do tórax em um conjunto de dados denominado COVIDx. Os coautores Linda Wang e Alexander Wong usaram pacotes de DL de código aberto para construírem a COVID-Net, uma rede neural sofisticada que analisa Raios-X e aprende a identificar os pulmões com sinais indicadores da COVID-19.

Uma medição denominada pontuação F avalia a precisão global de um sistema de deep learning, que tenta de forma precisa prever padrões e anomalias nas imagens rel="noopener noreferrer" digitais. Essencialmente, a pontuação F é a percentagem de previsões corretas geradas pelo sistema de deep learning.

Os pesquisadores da Cognex analisaram quase 14.000 imagens de Raios-X no conjunto de dados COVID-Net. As imagens foram divididas em três categorias: normal, pneumonia não COVID-19 e COVID-19. Como esta tabela que compara múltiplos pacotes de DL mostra, os fortes resultados preditivos gerados pela COVID-Net, classificam-se de 92,6% em imagens normais a 94,7% para imagens COVID-19. O VisionPro Deep Learning 1.0 fez ainda melhor, com 95,6% em Raios-X normais e 97,0% em Raios-X com COVID-19.

Imagem 1

Estudo 2: VisionPro Deep Learning Alarga a sua Vanguarda com as Digitalizações de TC

Uma publicação mais recente da Cognex, desenvolvida pela mesma equipe de pesquisa, analisa para além dos Raios-X do tórax e digitalizações de TC. Se muitos estudos demonstraram o sucesso na detecção de imagens de COVID-19 usando deep learning com digitalizações de CT e raios-X, a maioria das arquiteturas de deep learning necessita de extensa programação porque não oferece uma interface gráfica do usuário (GUI) para programar o sistema. É difícil para os radiologistas sem conhecimento de deep learning ou programação usar estes programas, muito menos treiná-los.

Um dos principais problemas na adoção de software de deep learning é que o pacote padrão, como o TensorFlow, requer que os programadores construam os seus modelos em uma interface terminal com base em texto, continuou Vandenhirtz. O VisionPro Deep Learning, em contraste, possui uma interface do usuário gráfica (GUI) de fácil utilização que não requer experiência de programação. Se consegue trabalhar com o Microsoft Office, também consegue com o VisionPro DL. Vandenhirtz acrescentou que, Arjun Sarkar, investigador principal do projeto, nunca trabalhou com o VisionPro DL antes de ir para a Cognex. Em um espaço de dois meses, Sarkar aprendeu o programa, conduziu a pesquisa e apresentou os seus resultados. Um estudo de DL convencional pode requerer horas de trabalho para construir uma rede, modelos desenvolvidos e algoritmos de treinamento. O VisionPro DL reduz dramaticamente esse período de tempo.

Tendo a eficácia e facilidade de uso como duas considerações críticas para investigações futuras, a mais recente investigação da Cognex testemunhou o sucesso do VisionPro DL na identificação de COVID-19 normal e pneumonia não COVID, bem como da quantidade necessária de treinamento para atingir elevados escores F. A publicação seguinte, Detecção da COVID-19 a Partir de Tomografia Computorizada (TC) do tórax com Deep Learning: Comparação do Software VisionPro Deep Learning 1.0 da Cognex com Redes Neurais Convolucionais de Código Aberto, usa os dados de imagens de TC do tórax da equipe de Linda Wang no laboratório de Visão e Processamento de Imagem da Universidade de Waterloo, que inclui mais de 100.000 imagens habilmente rotuladas. Além das redes neurais informáticas (CNN) no total usamos como referência o VisionPro Deep Learning da Cognex com outras CNN de vanguarda, incluindo as arquiteturas de CNN COVID-Net-CT-A e COVID-Net-CT-B da Universidade de Waterloo, bem como a mais recente arquitetura CNN da Google, a Xception.

Tal como a tabela abaixo ilustra, o VisionPro Deep Learning 1.0 da Cognex apresentou um desempenho ligeiramente superior a todas as arquiteturas de rede CNN com escores F > 99,4 em todas as três classes (normal, pneumonia não COVID e COVID-19). Esta investigação inicial dividiu o conjunto original de dados de digitalização de TC de 100.000 imagens em dois grupos: um grupo de treinamento de 61.783 imagens e um grupo de teste de 21.191 imagens, analisadas após treinamento por cada CNN.

Imagem 2

Para obter mais informações sobre quantas imagens são necessárias para treinamento de uma CNN de raios-X existente para avaliar condições normais, COVID-19 e de pneumonia, a Cognex começou o treinamento da CNN da Cognex com 26.338 imagens ao invés de mais de 61.000. Como a tabela abaixo apresenta, as pontuações F para cada CNN foram comparadas. O VisionPro Deep Learning da Cognex dominou as outras arquiteturas CNN com escores F > 99,1 para todas as três classes de imagens (normal, COVID-19, pneumonia), enquanto todas as outras CNN caíram nos escores F-Scores elevados classificando-se no topo dos oitenta para o meio dos noventa, especialmente em duas classes patológicas relevantes: pneumonia e COVID-19.

Imagem 3

Deep Learning Dá aos Radiologistas uma Poderosa Ferramenta de Diagnóstico

Embora os resultados dos primeiros dois estudos da Cognex ainda requeiram verificação por outros investigadores médicos, os resultados iniciais são promissores. Além disso, o software ainda não foi aprovado para uso médico.

Vandenhirtz afirmou que o principal interesse da empresa a curto prazo é apresentar à comunidade médica global as capacidades deste tipo de software. Isso também pode se revelar útil em áreas como a oftalmologia, que se baseia em imagens de mecanismos internos do olho.

Apesar de todas as suas capacidades, os algoritmos de Deep Learning não podem substituir totalmente o conhecimento dos clínicos humanos, afirmou Vandenhirtz. Mas, como um estetoscópio ou um medidor de tensão arterial, constitui uma ferramenta útil para os profissionais de saúde desempenharem o seu trabalho ao mais elevado nível.

Não acreditamos pelo menos a curto ou médio prazo que a IA seja capaz de efetuar um diagnóstico concluiu. O VisionPro DL pode fazer recomendações, mas em última instância é o radiologista quem tem de decidir o que significa a imagem.

Mais Publicações em

ACESSE O SUPORTE E TREINAMENTO DE PRODUTOS E MAIS

Junte-se ao MyCognex

TEM ALGUMA PERGUNTA?

Os representantes da Cognex estão disponíveis em todas as regiões do mundo para ajudar com as suas necessidades de visão e leitura industrial de códigos de barras

Fale Conosco