當新型冠狀病毒（COVID-19）疫情開(kāi)始在世界范圍內拉響警報時(shí)，康耐視的深度學(xué)習專(zhuān)家開(kāi)始思考這項技術(shù)是否能夠幫助醫護專(zhuān)業(yè)人員進(jìn)行有效的防御。

事實(shí)已經(jīng)證明，這一警報是有道理的。截至2020年11月下旬，COVID-19已在全球范圍內感染超6000萬(wàn)人，并奪去了逾140萬(wàn)人的生命。全球各地的臨床醫生都面臨著(zhù)類(lèi)似的挑戰：依靠實(shí)驗室檢測來(lái)確認新冠病例非常耗時(shí)，可能會(huì )延誤診斷和治療。雖然X射線(xiàn)及其他醫學(xué)成像技術(shù)可以快速確認新冠病例診斷，但很容易對這些圖像的含義進(jìn)行錯誤解讀。

天為和代理品牌康耐視的深度學(xué)習團隊審視了這些挑戰，并意識到他們專(zhuān)為生產(chǎn)線(xiàn)的自動(dòng)化和優(yōu)化而開(kāi)發(fā)的軟件包可能能夠提供醫學(xué)成像組件解決方案，用于應對本次全球疫情挑戰。

1.將深度學(xué)習與醫學(xué)影像相結合的價(jià)值

X光片等醫學(xué)圖像對于確認COVID-19診斷至關(guān)重要，為醫生和放射科醫師提供視覺(jué)證據，證明實(shí)驗室檢測是準確的。此外，深度學(xué)習軟件可以分析數以千計的醫學(xué)圖像，并識別出推翻或支持診斷的異常情況，從而減輕臨床醫生的工作量。

但是，這存在一個(gè)障礙：最流行的開(kāi)源深度學(xué)習工具難以使用，而且需要大量的編程專(zhuān)業(yè)知識。期望醫護人員（包括醫生、放射科醫師及其他臨床醫生）掌握這些工具是不切實(shí)際的。

為了克服這一障礙，康耐視的一個(gè)AI專(zhuān)家團隊開(kāi)始著(zhù)手解決一個(gè)基本問(wèn)題，即：康耐視的工業(yè)自動(dòng)化軟件能否提供一種易于使用并且可以與世界頂級開(kāi)源深度學(xué)習工具的性能相匹配的替代工具？

針對這一假設進(jìn)行的開(kāi)放測試顯示出巨大的潛力。由康耐視的五名深度學(xué)習專(zhuān)家組成的團隊進(jìn)行的一項研究表明，康耐視的先進(jìn)機器視覺(jué)軟件的準確性可以媲美甚至超越************的開(kāi)源深度學(xué)習工具。

該研究的標題為“使用深度學(xué)習技術(shù)識別X光片中的新型冠狀病毒（COVID-19）：將康耐視VisionPro Deep Learning 1.0軟件與開(kāi)源卷積神經(jīng)網(wǎng)絡(luò )進(jìn)行比較”，其已經(jīng)引起了主要研究出版商的注意。共同作者包括Arjun Sarkar、Joerg Vandenhirtz、Jozsef Nagy、David Bacsa和Mitchell Riley，他們都在康耐視生命科學(xué)團隊工作。

“我們驚訝地發(fā)現，該軟件可以輕松對X光片上出現的各種病理形態(tài)進(jìn)行區分。人類(lèi)幾乎不可能找出X光片中不同病理形態(tài)之間的差異。對于這類(lèi)圖像，五名放射科醫師可能會(huì )給出五種不同的意見(jiàn)?！?/strong>

——來(lái)自康耐視生命科學(xué)團隊的高級AI專(zhuān)家Vandenhirtz表示

Vandenhirtz為這項研究提供了協(xié)調支持，以幫助將康耐視的先進(jìn)機器視覺(jué)技術(shù)擴展到醫療保健和生命科學(xué)領(lǐng)域。新型冠狀病毒在全球范圍內大規模傳播帶來(lái)了緊迫性，而COVIDx（來(lái)自COVID-19胸部X光片的大量數據集）則為這項研究提供了測試圖像。他聘請了Sarkar進(jìn)行實(shí)驗，并在研究報告中總結了他的實(shí)驗成果。Sarkar目前在位于德國亞?。ˋachen）的應用科學(xué)大學(xué)（University of Applied Sciences）攻讀生物醫學(xué)工程專(zhuān)業(yè)碩士學(xué)位。

Vandenhirtz表示，Sarkar在TensorFlow的使用方面具有強大的背景，TensorFlow是來(lái)自谷歌的領(lǐng)先深度學(xué)習平臺。TensorFlow要求程序員在基于文本的終端界面中構建自己的模型。相比之下，VisionPro Deep Learning軟件具有使用方便的圖形用戶(hù)界面（GUI），無(wú)需編程經(jīng)驗。

2.COVID和深度學(xué)習技術(shù)研究的基礎

康耐視的研究基于加拿大安大略省滑鐵盧大學(xué)（University of Waterloo）進(jìn)行的一項研究的結果。該研究的標題為：“COVID-Net：專(zhuān)為從胸部X光片中識別COVID-19病例而量身定制的深度卷積神經(jīng)網(wǎng)絡(luò )設計”，在一個(gè)名為COVIDx的數據集中收集了近14,000張胸部X光片。共同作者包括Linda Wang和Alexander Wong，他們使用開(kāi)源深度學(xué)習軟件包構建了COVID-Net，這是一個(gè)復雜的神經(jīng)網(wǎng)絡(luò )，其可以分析X光片，并學(xué)會(huì )識別顯示出COVID-19跡象的肺部。

來(lái)自滑鐵盧大學(xué)的一組研究人員成立了一家名為DarwinAI的創(chuàng )業(yè)公司，專(zhuān)門(mén)開(kāi)發(fā)商業(yè)化深度學(xué)習軟件，以挖掘COVID.Net等資源的價(jià)值，這類(lèi)軟件資源前景廣闊，但仍然面臨著(zhù)基本的可用性挑戰。

“目前，這還只是數據科學(xué)家可以利用的一種非常技術(shù)性的實(shí)施方式，而放射科醫師和醫護人員肯定無(wú)法使用，因此，我們需要將其整合在一個(gè)非常易于使用的適當應用程序用戶(hù)界面中，確保即使不熟悉這項技術(shù)的人員也可以充分加以利用?！?/span>

——DarwinAI首席執行官Sheldon Fernandez在接受CDNet的采訪(fǎng)時(shí)表示

康耐視研究人員了解這些局限性的含義。VisionPro Deep Learning軟件是康耐視專(zhuān)為制造業(yè)領(lǐng)域的客戶(hù)開(kāi)發(fā)的。該軟件的開(kāi)發(fā)人員進(jìn)行了專(zhuān)門(mén)設計，以確保工廠(chǎng)管理人員和技術(shù)人員可以使用深度學(xué)習技術(shù)來(lái)分析其生產(chǎn)線(xiàn)上的圖像，以維持質(zhì)量控制，并及時(shí)識別出有缺陷和損壞的產(chǎn)品，以防止它們流入市場(chǎng)。

舉例來(lái)說(shuō)，在一家汽車(chē)工廠(chǎng)中，康耐視的機器視覺(jué)相機首先采集擋泥板、發(fā)動(dòng)機缸體等元件的數字圖像。然后，VisionPro Deep Learning軟件將掃描這些圖像，以識別出劃痕、凹痕及人工檢測員往往遺漏的其他異常情況。及早發(fā)現這些缺陷可以使生產(chǎn)線(xiàn)實(shí)現更高的生產(chǎn)率，并提高產(chǎn)品質(zhì)量。此外，該軟件還可以用于對元件或缺陷進(jìn)行分類(lèi)、定位元件和驗證裝配。這些類(lèi)型的檢測任務(wù)目前通常仍然由人工檢測員完成，或者無(wú)法得到充分執行，因為它們本質(zhì)上需要利用人類(lèi)的判斷力。

3.VisionPro Deep Learning軟件在COVIDx數據集分析方面的表現如何

一項稱(chēng)為F分數的測量對于深度學(xué)習系統的整體準確性進(jìn)行了評估，該系統嘗試準確地預測數字圖像上的圖案和異常?？的鸵暤难芯咳藛T分析了COVID-Net數據集中的近14,000張X光片圖像。這些圖像被分為以下三種類(lèi)型：正常、非COVID-19肺炎和COVID-19肺炎。

正如下面的表格中對多個(gè)深度學(xué)習軟件包進(jìn)行的比較所示，COVID-Net產(chǎn)生了準確的預測結果，正常圖像為92.6%，COVID-19肺炎圖像為94.7%。VisionPro Deep Learning軟件的效果甚至更佳，正常X光片圖像為95.6%，COVID-19肺炎X光片圖片為97.0%。

當然，這只是一項研究。盡管康耐視團隊使用行業(yè)標準方法進(jìn)行研究和統計分析，但其他研究人員是否能夠復制該結果仍有待觀(guān)察。

Vandenhirtz表示，康耐視短期內的主要關(guān)注點(diǎn)是向全球醫學(xué)界介紹這種軟件的功能，該軟件在計算機斷層掃描（CT）領(lǐng)域也顯示出了令人鼓舞的結果。此外，該軟件在眼科學(xué)（其依賴(lài)視網(wǎng)膜圖像）、數字病理學(xué)（其使用組織學(xué)切片的顯微圖像）等領(lǐng)域也可能被證明是有用的。

Vandenhirtz表示，就其所有功能而言，深度學(xué)習算法無(wú)法完全取代人類(lèi)臨床醫生的智慧。但是，跟聽(tīng)診器或血壓袖帶一樣，該軟件是幫助醫護專(zhuān)業(yè)人員高水平執行工作的一種有用工具。

在這種背景下，康耐視VisionPro Deep Learning軟件提供了有用的熱圖功能，其突出顯示了圖像中對于分類(lèi)非常重要的區域。黃色到紅色區域很重要，而綠色到藍色區域對于決策算法并不重要。

在現實(shí)世界中，這種熱圖功能使該工具不僅可以為潛在的診斷提供建議（即Covid-19陽(yáng)性或陰性），還可以識別出檢測到相應疾病癥狀的區域。這一點(diǎn)很重要，因為它可以幫助放射科醫師在圖像的特定區域進(jìn)行歸零校正，以使他們能夠驗證或推翻AI診斷，從而防止該軟件工具因錯誤的原因無(wú)法做出正確的決策。

“我們認為，至少在短期到中期內，AI技術(shù)無(wú)法進(jìn)行診斷，”他總結道，“VisionPro Deep Learning軟件可以提出建議，但最終，放射科醫師仍然必須對圖像的含義作出決定?！?/span>

——Vandenhirtz

最后，他補充道，雖然AI技術(shù)不會(huì )取代放射科醫師，但它將取代不使用AI技術(shù)的放射科醫師。

來(lái)源：康耐視