滑鐵盧大學(xué)居然可以從胸片圖形中檢測COVID-19！

　　新冠肺炎還在肆虐，全世界人民在共同戰(zhàn)疫。與COVID-19作斗爭的一個(gè)關(guān)鍵步驟是對受感染患者進(jìn)行有效篩查，以便那些受感染的人能夠立即得到治療和護(hù)理，并被隔離以減輕病毒的傳播。標(biāo)準(zhǔn)的檢測是核酸PCR，但是耗時(shí)操作復(fù)雜。為此采用人工智能影像檢測是一種選擇。近期，滑鐵盧大學(xué)發(fā)布了專門用于檢測肺片中新冠肺炎的COVID-NET，取得非常有希望的結(jié)果。

　　COVID-19大流行繼續(xù)對全球人口的健康和福祉產(chǎn)生破壞性影響。與COVID-19作斗爭的一個(gè)關(guān)鍵步驟是對受感染患者進(jìn)行有效的篩查，其中最關(guān)鍵的篩查方法之一是使用胸片進(jìn)行放射成像�；�于此，許多基于深度學(xué)習(xí)的人工智能(AI)系統(tǒng)被提出，結(jié)果顯示在使用胸片圖像檢測COVID-19感染患者的準(zhǔn)確性方面很有希望。然而，這些開發(fā)的人工智能系統(tǒng)是封閉的，研究社區(qū)無法對其進(jìn)行更深入的理解和擴(kuò)展，也無法對公眾進(jìn)行訪問和使用。因此引入COVID-Net，這是一種針對胸片圖像中COVID-19的檢測而設(shè)計(jì)的深度卷積神經(jīng)網(wǎng)絡(luò)，它是開源的，并且對公眾開放。還描述了用于訓(xùn)練COVID-Net的胸片數(shù)據(jù)集，將其稱為COVIDx，它由來自兩個(gè)開放訪問數(shù)據(jù)庫的2839例患者的5941張前后胸片圖像組成。此外，還研究COVID- net如何使用可解釋性方法進(jìn)行預(yù)測，以獲得與COVID病例相關(guān)的關(guān)鍵因素的更深入的了解，從而幫助臨床醫(yī)生改進(jìn)篩選。決不生產(chǎn)就緒的解決方案,希望開放獲取COVID-Net,隨著描述構(gòu)建開源COVIDx數(shù)據(jù)集,將杠桿,建立由研究人員和公民數(shù)據(jù)科學(xué)家們還都加快發(fā)展的高度準(zhǔn)確的實(shí)際深度學(xué)習(xí)解決方案檢測COVID-19病例和加速處理那些最需要的人。

　　概述

　　COVID-19大流行繼續(xù)對全球人口的健康和福祉產(chǎn)生破壞性影響，這是由嚴(yán)重急性呼吸系統(tǒng)綜合征冠狀病毒2(SARS-CoV-2)感染個(gè)人造成的。與COVID-19作斗爭的一個(gè)關(guān)鍵步驟是對受感染患者進(jìn)行有效篩查，以便那些受感染的人能夠立即得到治療和護(hù)理，并被隔離以減輕病毒的傳播。檢測covid19病例的主要篩查方法是PCR (PCR) [PCR]檢測，可以檢測呼吸標(biāo)本(通過鼻咽或口咽拭子等多種手段采集)中的SARS-CoV-2RNA。雖然PCR檢測是金標(biāo)準(zhǔn)，因?yàn)樗�是高度敏感的，但它是一個(gè)非常耗時(shí)、費(fèi)力和復(fù)雜的手工過程，這是供不應(yīng)求的。

　　另一種用于COVID-19篩查的篩查方法是影像學(xué)檢查，即由放射科醫(yī)師進(jìn)行胸片成像(如x線或CT成像)并進(jìn)行分析，以尋找與SARS-CoV-2病毒感染相關(guān)的視覺指標(biāo)。在早期的研究中發(fā)現(xiàn)，患者在胸片圖像中表現(xiàn)出與COVID-19感染者特征類似的異常[Ng, Huang]，有研究認(rèn)為，影像學(xué)檢查可作為疫區(qū)COVID-19篩查的主要工具[Ai]。由于現(xiàn)代醫(yī)療系統(tǒng)中胸部放射成像系統(tǒng)的普及，使得放射成像檢查可以更快地進(jìn)行，并具有更大的可用性，這使其成為PCR檢測的一個(gè)很好的補(bǔ)充(在某些情況下，甚至顯示出更高的敏感性[Fang])，但面臨的最大瓶頸之一是需要專業(yè)的放射科醫(yī)師來解釋放射成像圖像，因?yàn)橐曈X指標(biāo)可能是微妙的。因此，計(jì)算機(jī)輔助診斷系統(tǒng)可以幫助放射科醫(yī)生更迅速和準(zhǔn)確地解釋放射圖像，以檢測COVID-19病例是非常必要的。

　　由于需要更快速地解釋影像學(xué)圖像，一些基于深度學(xué)習(xí)的人工智能(AI)系統(tǒng)已經(jīng)被提出，在通過影像學(xué)成像檢測COVID-19感染患者的準(zhǔn)確性方面，結(jié)果顯示相當(dāng)有希望[Goze, Xu]。然而，據(jù)作者所知，這些開發(fā)的人工智能系統(tǒng)是封閉來源的，研究社區(qū)無法在其基礎(chǔ)上對這些系統(tǒng)進(jìn)行更深入的理解和擴(kuò)展。此外，這些系統(tǒng)不能供公眾訪問和使用。因此，最近一直在努力推動(dòng)開放獲取和開放源代碼的人工智能解決方案，用于放射性核磁驅(qū)動(dòng)的COVID-19病例檢測，一個(gè)典型的努力是開放源代碼COVID胸部x射線數(shù)據(jù)集，一個(gè)由Cohen構(gòu)建的數(shù)據(jù)集，包括COVID-19病例(以及SARS和MERS病例)和帶注釋的胸部x射線和CT圖像，因此，研究社區(qū)和公民數(shù)據(jù)科學(xué)家可以利用數(shù)據(jù)集來探索和構(gòu)建用于COVID-19檢測的人工智能系統(tǒng)。

　　基于迫切需要開發(fā)解決方案以幫助抗擊COvID-19大流行，并受到研究社區(qū)開源和開放獲取努力的啟發(fā)，本研究引入COVID-Net，這是一種深度卷積神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)，專門用于從公開的、向公眾開放的胸片圖像中檢測COvID-19病例。還描述了用于訓(xùn)練COVID-Net的數(shù)據(jù)集，將其稱為COVIDx，它由來自2839例患者的5941張前后胸片圖像組成，是由包含胸片圖像的兩個(gè)開放訪問數(shù)據(jù)庫(即科恩(Cohen)和卡格爾(kaggle))。此外，研究COVID- net如何使用可解釋性方法進(jìn)行預(yù)測，以獲得與COVID病例相關(guān)的關(guān)鍵因素的更深入的了解，從而幫助臨床醫(yī)生改進(jìn)篩選。

　　另一種用于COVID-19篩查的篩查方法是影像學(xué)檢查，即由放射科醫(yī)師進(jìn)行胸片成像(如x線或CT成像)并進(jìn)行分析，以尋找與SARS-CoV-2病毒感染相關(guān)的視覺指標(biāo)。在早期的研究中發(fā)現(xiàn)，患者在胸片圖像中表現(xiàn)出與COVID-19感染者特征類似的異常[Ng, Huang]，有研究認(rèn)為，影像學(xué)檢查可作為疫區(qū)COVID-19篩查的主要工具[Ai]。由于現(xiàn)代醫(yī)療系統(tǒng)中胸部放射成像系統(tǒng)的普及，使得放射成像檢查可以更快地進(jìn)行，并具有更大的可用性，這使其成為PCR檢測的一個(gè)很好的補(bǔ)充(在某些情況下，甚至顯示出更高的敏感性[Fang])，但面臨的最大瓶頸之一是需要專業(yè)的放射科醫(yī)師來解釋放射成像圖像，因?yàn)橐曈X指標(biāo)可能是微妙的。因此，計(jì)算機(jī)輔助診斷系統(tǒng)可以幫助放射科醫(yī)生更迅速和準(zhǔn)確地解釋放射圖像，以檢測COVID-19病例是非常必要的。

　　由于需要更快速地解釋影像學(xué)圖像，一些基于深度學(xué)習(xí)的人工智能(AI)系統(tǒng)已經(jīng)被提出，在通過影像學(xué)成像檢測COVID-19感染患者的準(zhǔn)確性方面，結(jié)果顯示相當(dāng)有希望[Goze, Xu]。然而，據(jù)作者所知，這些開發(fā)的人工智能系統(tǒng)是封閉來源的，研究社區(qū)無法在其基礎(chǔ)上對這些系統(tǒng)進(jìn)行更深入的理解和擴(kuò)展。此外，這些系統(tǒng)不能供公眾訪問和使用。因此，最近一直在努力推動(dòng)開放獲取和開放源代碼的人工智能解決方案，用于放射性核磁驅(qū)動(dòng)的COVID-19病例檢測，一個(gè)典型的努力是開放源代碼COVID胸部x射線數(shù)據(jù)集，一個(gè)由Cohen構(gòu)建的數(shù)據(jù)集，包括COVID-19病例(以及SARS和MERS病例)和帶注釋的胸部x射線和CT圖像，因此，研究社區(qū)和公民數(shù)據(jù)科學(xué)家可以利用數(shù)據(jù)集來探索和構(gòu)建用于COVID-19檢測的人工智能系統(tǒng)。

　　基于迫切需要開發(fā)解決方案以幫助抗擊COvID-19大流行，并受到研究社區(qū)開源和開放獲取努力的啟發(fā)，本研究引入COVID-Net，這是一種深度卷積神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)，專門用于從公開的、向公眾開放的胸片圖像中檢測COvID-19病例。我們還描述了用于訓(xùn)練COVID-Net的數(shù)據(jù)集，我們將其稱為COVIDx，它由來自2839例患者的5941張前后胸片圖像組成，是由包含胸片圖像的兩個(gè)開放訪問數(shù)據(jù)庫(即科恩(Cohen)和卡格爾(kaggle))。此外，我們研究COVID- net如何使用可解釋性方法進(jìn)行預(yù)測，以獲得與COVID病例相關(guān)的關(guān)鍵因素的更深入的了解，從而幫助臨床醫(yī)生改進(jìn)篩選。

　　另一種用于COVID-19篩查的篩查方法是影像學(xué)檢查，即由放射科醫(yī)師進(jìn)行胸片成像(如x線或CT成像)并進(jìn)行分析，以尋找與SARS-CoV-2病毒感染相關(guān)的視覺指標(biāo)。在早期的研究中發(fā)現(xiàn)，患者在胸片圖像中表現(xiàn)出與COVID-19感染者特征類似的異常[Ng, Huang]，有研究認(rèn)為，影像學(xué)檢查可作為疫區(qū)COVID-19篩查的主要工具[Ai]。由于現(xiàn)代醫(yī)療系統(tǒng)中胸部放射成像系統(tǒng)的普及，使得放射成像檢查可以更快地進(jìn)行，并具有更大的可用性，這使其成為PCR檢測的一個(gè)很好的補(bǔ)充(在某些情況下，甚至顯示出更高的敏感性[Fang])，但面臨的最大瓶頸之一是需要專業(yè)的放射科醫(yī)師來解釋放射成像圖像，因?yàn)橐曈X指標(biāo)可能是微妙的。因此，計(jì)算機(jī)輔助診斷系統(tǒng)可以幫助放射科醫(yī)生更迅速和準(zhǔn)確地解釋放射圖像，以檢測COVID-19病例是非常必要的。

　　由于需要更快速地解釋影像學(xué)圖像，一些基于深度學(xué)習(xí)的人工智能(AI)系統(tǒng)已經(jīng)被提出，在通過影像學(xué)成像檢測COVID-19感染患者的準(zhǔn)確性方面，結(jié)果顯示相當(dāng)有希望[Goze, Xu]。然而，據(jù)作者所知，這些開發(fā)的人工智能系統(tǒng)是封閉來源的，研究社區(qū)無法在其基礎(chǔ)上對這些系統(tǒng)進(jìn)行更深入的理解和擴(kuò)展。此外，這些系統(tǒng)不能供公眾訪問和使用。因此，最近一直在努力推動(dòng)開放獲取和開放源代碼的人工智能解決方案，用于放射性核磁驅(qū)動(dòng)的COVID-19病例檢測，一個(gè)典型的努力是開放源代碼COVID胸部x射線數(shù)據(jù)集，一個(gè)由Cohen構(gòu)建的數(shù)據(jù)集，包括COVID-19病例(以及SARS和MERS病例)和帶注釋的胸部x射線和CT圖像，因此，研究社區(qū)和公民數(shù)據(jù)科學(xué)家可以利用數(shù)據(jù)集來探索和構(gòu)建用于COVID-19檢測的人工智能系統(tǒng)。

　　基于迫切需要開發(fā)解決方案以幫助抗擊COvID-19大流行，并受到研究社區(qū)開源和開放獲取努力的啟發(fā)，本研究引入COVID-Net，這是一種深度卷積神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)，專門用于從公開的、向公眾開放的胸片圖像中檢測COvID-19病例。我們還描述了用于訓(xùn)練COVID-Net的數(shù)據(jù)集，我們將其稱為COVIDx，它由來自2839例患者的5941張前后胸片圖像組成，是由包含胸片圖像的兩個(gè)開放訪問數(shù)據(jù)庫(即科恩(Cohen)和卡格爾(kaggle))。此外，研究COVID- net如何使用可解釋性方法進(jìn)行預(yù)測，以獲得與COVID病例相關(guān)的關(guān)鍵因素的更深入的了解，從而幫助臨床醫(yī)生改進(jìn)篩選。

　　COVID-Net架構(gòu)

　　網(wǎng)絡(luò)架構(gòu)

　　COVID-Net網(wǎng)絡(luò)架構(gòu)大量使用了一種輕量級的殘差投影-擴(kuò)展-投影-擴(kuò)展(PEPX)設(shè)計(jì)模式，它包括:

　　第一階段投影: 1×1個(gè)卷積，將輸入特征投影到較低維度，

　　擴(kuò)展: 1×1個(gè)卷積，將特征展開到與輸入特征不同的更高維度，

　　深度表示: 高效3×3深度卷積，學(xué)習(xí)空間特征，最小化計(jì)算復(fù)雜度，同時(shí)保留表示能力，

　　第二階段投影: 1×1個(gè)卷積，將特征投影回較低的維度

　　擴(kuò)展: 1×1個(gè)卷積，最終將通道維數(shù)擴(kuò)展到更高的維數(shù)，產(chǎn)生最終的特征。