免責(zé)聲明：本研究是為X光圖像中COVID－19的自動檢測而開發(fā)的，完全是為了教育目的。由于COVID－19沒有經(jīng)過專業(yè)或?qū)W術(shù)評估，最終的應(yīng)用并不打算成為一個準(zhǔn)確的用于診斷人類的COVID－19診斷系統(tǒng)。

介紹：Covid－19是由一種病毒（SARS－CoV－2冠狀病毒）引起的大流行性疾病，已經(jīng)感染了數(shù)百萬人，在幾個月內(nèi)造成數(shù)十萬人死亡。據(jù)世界衛(wèi)生組織（WHO）稱，大多數(shù)COVID－19患者（約80％）可能無癥狀，約20％的患者可能因為呼吸困難而需要住院治療。在這些病例中，大約5％可能需要支持來治療呼吸衰竭（通氣支持），這種情況可能會使重癥監(jiān)護(hù)設(shè)施崩潰。抗擊這一流行病的關(guān)鍵是快速檢測病毒攜帶者的方法。冠狀病毒冠狀病毒是引起呼吸道感染的病毒家族。這種新的冠狀病毒病原體是在中國登記病例后于1919年底發(fā)現(xiàn)，它會導(dǎo)致一種名為冠狀病毒（COVID－19）的疾病。1937年首次分離出冠狀病毒，然而，直到1965年，這種病毒才被描述為冠狀病毒，因為它在顯微鏡下的輪廓看起來像一個樹冠。下面你可以看到SARS－CoV－2病毒的原子級三維模型：

X光近年來，基于計算機斷層掃描（CT）的機器學(xué)習(xí)在COVID－19診斷中的應(yīng)用取得了一些有希望的成果。盡管這些方法取得了成功，但事實仍然是，COVID－19傳播在各種規(guī)模的社區(qū)。X光機更便宜、更簡單、操作更快，因此比CT更適合在更貧困或更偏遠(yuǎn)地區(qū)工作的醫(yī)療專業(yè)人員。目標(biāo)對抗Covid－19的一個重大挑戰(zhàn)是檢測病毒在人體內(nèi)的存在，因此本項目的目標(biāo)是使用掃描的胸部X光圖像自動檢測肺炎患者（甚至無癥狀或非病人）中Covid－19的病毒。這些圖像經(jīng)過預(yù)處理，用于卷積神經(jīng)網(wǎng)絡(luò)（CNN）模型的訓(xùn)練。CNN類型的網(wǎng)絡(luò)通常需要一個廣泛的數(shù)據(jù)集才能正常工作，但是，在這個項目中，應(yīng)用了一種稱為“遷移學(xué)習(xí)”的技術(shù)，在數(shù)據(jù)集很小的情況下非常有用（例如Covid－19中患者的圖像）。目的是開發(fā)兩種分類模型：Covid－19的檢測與胸片檢測正常的比較Covid－19的檢測與肺炎患者檢測的比較按冠狀病毒相關(guān)論文定義的，所有類型的肺炎（COVID－19病毒引起的除外）僅被認(rèn)為是“肺炎”，并用Pneumo標(biāo)簽（肺炎）分類。我們使用TensorFlow 2．0的模型、工具、庫和資源，這是一個開源平臺，用于機器學(xué)習(xí)，或者更準(zhǔn)確地說，用于深度學(xué)習(xí)。最后在Flask中開發(fā)了一個web應(yīng)用程序（web app），用于在接近現(xiàn)實的情況下進(jìn)行測試。下圖為我們提供了最終應(yīng)用程序如何工作的基本概念：

X光掃描胸部圖像（User＿A．png），應(yīng)用程序?qū)�圖像存儲在web應(yīng)用程序的計算機上，決定圖像是否屬于受病毒污染的人（模型預(yù)測：［陽性］或［陰性］）。在這兩種情況下，應(yīng)用程序都會輸出預(yù)測的準(zhǔn)確性（模型準(zhǔn)確度：X％）。為了避免兩者都出錯，將向用戶顯示原始文件的名稱及其圖像。圖像的新副本存儲在本地，其名稱添加一個預(yù)測標(biāo)簽，并且加上準(zhǔn)確度。這項工作分為四個部分：環(huán)境設(shè)置、數(shù)據(jù)清洗和準(zhǔn)備模型1訓(xùn)練（Covid／正常）模型2訓(xùn)練（Covid／肺炎）Web應(yīng)用的開發(fā)與測試靈感該項目的靈感來源于UFRRJ（里約熱內(nèi)盧聯(lián)邦大學(xué)）開發(fā)的X光COVID－19項目。UFRRJ的XRayCovid－19是一個正在開發(fā)的項目，在診斷過程中使用人工智能輔助健康系統(tǒng)處理COVID－19。該工具的特點是易用、響應(yīng)時間快和結(jié)果有效性高，我希望將這些特點擴展到本教程第4部分開發(fā)的Web應(yīng)用程序中。下面是診斷結(jié)果之一的打印屏幕（使用了Covid－19數(shù)據(jù)集1圖像之一）：

喬杜里等人在論文中闡述了該大學(xué)開展這項工作的科學(xué)依據(jù)，論文地址：https：／／arxiv．org／abs／2003．13145另一項工作是Chester，論文：https：／／arxiv．org／pdf／1901．11210．pdf，由蒙特利爾大學(xué)的研究人員開發(fā)。Chester是一個免費且簡單的原型，醫(yī)療專業(yè)人員可以使用它們來了解深度學(xué)習(xí)工具的實際情況，以幫助診斷胸部X光。該系統(tǒng)被設(shè)計為輔助工具，用戶可在其中處理圖像以確認(rèn)或協(xié)助診斷。當(dāng)前版本的 Chester（2．0）使用DenseNet－121型卷積網(wǎng)絡(luò)訓(xùn)練了超過10．6萬張圖像。該網(wǎng)絡(luò)應(yīng)用程序未檢測到Covid－19，這是研究人員對應(yīng)用程序未來版本的目標(biāo)之一。下面是診斷結(jié)果之一的截圖（使用了Covid－19數(shù)據(jù)集的圖像）

在下面的鏈接中，你可以訪問Chester，甚至下載應(yīng)用程序供脫機使用：https：／／mlmed．org／tools／xray／。感謝這項工作最初是根據(jù)Adrian Rosebrock博士發(fā)表的優(yōu)秀教程開發(fā)的，我強烈建議你深入閱讀，此外，我要感謝Nell Trevor，他根據(jù)羅斯布魯克博士的工作，進(jìn)一步提出了如何測試結(jié)果模型的想法。第1部分－環(huán)境設(shè)置和數(shù)據(jù)準(zhǔn)備數(shù)據(jù)集訓(xùn)練模型以從圖像中檢測任何類型信息的第一個挑戰(zhàn)是要使用的數(shù)據(jù)量。原則上，可公開獲取的圖像數(shù)量越多越好，但是請記住，這種流行病只有幾個月的歷史，所以對于Covid－19檢測項目來說，情況并非如此）但是，Hall等人的研究，論文：https：／／arxiv．org／pdf／2004．02060．pdf，證明使用遷移學(xué)習(xí)技術(shù)僅用幾百幅圖像就可以獲得令人鼓舞的結(jié)果。如引言所述，因為訓(xùn)練兩個模型，所以需要3組數(shù)據(jù)：確認(rèn)Covid－19的X光圖像集常規(guī)（“正�！保┗颊叩腦光圖像集一組顯示肺炎但不是由Covid－19引起的X光圖像為此，將下載兩個數(shù)據(jù)集：數(shù)據(jù)集1：COVID－19的圖像集Joseph Paul Cohen和Paul Morrison和Lan Dao COVID－19圖像數(shù)據(jù)收集，arXiv： 2003．11597， 2020這是一個公開的COVID－19陽性、疑似患者和其他病毒性和細(xì)菌性肺炎（MERS、SARS和ARDS）的X光和ct圖像數(shù)據(jù)集。數(shù)據(jù)是從公共來源收集的，也可以從醫(yī)院和醫(yī)生處間接收集（項目由蒙特利爾大學(xué)倫理委員會批準(zhǔn)，CERSES－20－058－D）。以下GitHub存儲庫中提供了所有圖像和數(shù)據(jù)：https：／／github．com／ieee8023／covid－chestxray－dataset。數(shù)據(jù)集2：肺炎和正常人的胸片論文：Kermany， Daniel； Zhang， Kang； Goldbaum， Michael （2018）， “Labeled Optical Coherence Tomography （OCT） and Chest X－Ray Images for Classification”通過深度學(xué)習(xí)過程，將一組經(jīng)驗證的圖像（CT和胸片）歸類為正常和某些肺炎類型。圖像分為訓(xùn)練集和獨立的患者測試集，數(shù)據(jù)可在網(wǎng)站上獲得：https：／／data．mendeley．com／datasets／rscbjbr9sj／2胸片的類型從數(shù)據(jù)集中，可以找到三種類型的圖像，PA、AP和Lateral（L）。L的很明顯，但X光的AP和PA視圖有什么區(qū)別？簡單地說，在拍X光片的過程中，當(dāng)X光片從身體的后部傳到前部時，稱為PA（后－前）視圖，在AP視圖中，方向相反。通常，X光片是在AP視圖中拍攝的，但是一個重要的例外就是胸部X光片，在這種情況下，最好在查看PA而不是AP，但如果病人病得很重，不能保持姿勢，可以拍AP型胸片。