Pessoal, andei pesquisando sobre
como a tecnologia poderia ajudar na busca de soluções que envolvem esta
pandemia de coronavírus que tem mexido com a vida de todo o mundo. E, entre
tantas coisas interessantes, me deparei com Machine Learning, que é a Inteligência
Artificial, para a análise de Raio-X e tomografia computadorizada. O exemplo
que vou mostrar usa Python, Keras e Tensorflow.
Quero citar aqui os nomes dos
cientistas Adrian Rosebrock e Joseph Cohen que estão hoje tratando deste
assunto. Este vídeo falo especificamente sobre um artigo do Adrian Rosebrock.
Além de trazer o que ele tratou no artigo, eu mostro para você como instalar as
libs.
COVID-19
A doença provocada pelo novo Coronavírus
é oficialmente conhecida como COVID-19, sigla em inglês para “coronavirus
disease 2019” (doença por coronavírus 2019, na tradução).
Vírus que causa doença
respiratória pelo agente coronavírus, com casos recentes registrados na China e
em outros países.
Quadro pode variar de leve a
moderado, semelhante a uma gripe. Alguns casos podem ser mais graves, por
exemplo, em pessoas que já possuem outras doenças. Nessas situações, pode
ocorrer síndrome respiratória aguda grave e complicações. Em casos extremos,
pode levar a óbito.
ISENÇÃO DE RESPONSABILIDADE:
A seção a seguir não reivindica, nem pretende "resolver" a detecção COVID-19. Está escrito apenas no contexto e a partir dos resultados deste tutorial. É um exemplo para profissionais de visão computacional e aprendizado profundo, para que eles possam aprender sobre várias métricas, incluindo precisão bruta, sensibilidade e especificidade (e as vantagens e desvantagens que devemos considerar ao trabalhar com aplicativos médicos). Novamente, esta seção / tutorial não pretende resolver a detecção de COVID-19.RAIOS-X
Detectar COVID-19 em Raios-X
Atualmente, os testes COVID-19
são difíceis de encontrar - eles simplesmente não são suficientes e não podem
ser fabricados com rapidez suficiente, o que está causando pânico.
Como o COVID-19 ataca as
células epiteliais que revestem nosso trato respiratório, podemos usar raios-X
para analisar a saúde dos pulmões de um paciente.
E, visto que quase todos os
hospitais possuem máquinas de raios-X, seria possível usar raios-X para testar
o COVID-19 sem os kits de teste dedicados.
Figura 1: Exemplo de uma
imagem de raios-X tirada de um paciente com teste positivo para COVID-19.
Usando imagens de raios X, podemos treinar um classificador de aprendizado de
máquina para detectar o COVID-19 usando Keras e TensorFlow.
Uma desvantagem é que a
análise de raios-X requer um especialista em radiologia e leva um tempo
significativo - o que é precioso quando as pessoas estão doentes em todo o
mundo. Portanto, é necessário desenvolver um sistema de análise automatizado
para economizar tempo valioso aos profissionais médicos.
CONJUNTO DE DADOS
Conjunto de dados com pacientes COVID-19
Uma desvantagem é que a
análise de raios-X requer um especialista em radiologia e leva um tempo
significativo - o que é precioso quando as pessoas estão doentes em todo o
mundo. Portanto, é necessário desenvolver um sistema de análise automatizado
para economizar tempo valioso aos profissionais médicos.
O conjunto de dados de imagem
de raios-X COVID-19 que usaremos para este tutorial foi curado pelo Dr. Joseph
Cohen , um pós-doutorado na Universidade de Montreal.
Há uma semana, o Dr. Cohen
começou a coletar imagens de raios-X de casos COVID-19 e publicá-las no
repositório GitHub.
Figura 2: Dados da imagem
de radiografia de tórax do Coronavírus (COVID-19). À esquerda, temos
imagens de raios X positivas (ou seja, infectadas), enquanto à direita, temos
amostras negativas. Essas imagens são usadas para treinar um modelo de
aprendizado profundo com o TensorFlow e o Keras para prever automaticamente se
um paciente tem COVID-19 (isto é, coronavírus).
No total foram obtidas 25
imagens de raio-X de casos positivos pelo Dr. Joseph.
E 25 imagens de raio X do
tórax de pacientes saudáveis obtidas por um conjunto de dados da Kaggle
(Pneumonia).
Pacientes com COVID-19
Pacientes saudáveis
SETUP
Download projeto
Entre no site do pyimagesearch e clique em “Download the code!”
Pasta
Setup do Ambiente
Abra o terminal de comandos
para preparação do ambiente e instalação das bibliotecas necessárias.
Atualização e instalação do
python 3
Cria ambiente virtual e abre
ele
Instala o tensorflow
Instala biblioteca
scikit-learn de machine learning
Instala biblioteca imutils que
contem funções básicas de processamento de imagem
Instala o opencv
Instala a biblioteca
matplotlib que cria visualizações gráficas em python
RESULTADOS OBTIDOS
Rodar o código
Para rodar o código basta ir
no terminal, ir pasta baixada do projeto e chamar o arquivo python depois de
preparar o ambiente.
Comando para rodar:
Vai demorar um tempo até
treinar por todas as épocas com os ajustes dos valores
Resultados
O detector COVID-19 automático
está obtendo ~ 90-92% de precisão em nosso conjunto de dados de
amostra com base apenas em imagens de
raios-X - nenhum outro dado, incluindo localização geográfica,
densidade populacional etc. foi usado para treinar esse modelo.
Rodar o código
Também estamos obtendo 100% de
sensibilidade e 80% de especificidade, o que implica que:
Dos pacientes que fazem tem
COVID-19 (ou seja, verdadeiros positivos), poderíamos identificá-los com
precisão como “COVID-19 positiva” 100% do tempo , usando o nosso modelo.
Dos pacientes que não possuem
COVID-19 (isto é, verdadeiros negativos), poderíamos identificá-los com
precisão como "COVID-19 negativo" apenas 80% do tempo usando nosso
modelo.
1 Comentários
Muito bom, você é incrível estou acompanhando suas lives ha algum tempo.
ResponderExcluirHoje 26/03 a Uol divulgou essa noticia https://www.uol.com.br/tilt/noticias/redacao/2020/03/26/novos-testes-e-pcs-em-rede-como-tecnologia-pesada-pode-frear-coronavirus.htm?utm_source=twitter&utm_medium=social-media&utm_content=geral&utm_campaign=uol