banner

Inteligência Artificial detectando COVID-19




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.



CÓDIGO

Importações





Analisador de argumentos




Carrega as imagens e labels




Particionamento do dataset




Criação do modelo




Treinar o modelo




Calcula matriz de confusão




Cria um gráfico com a matplotlib e salva o modelo




Testa o modelo para classificar uma imagem





CONCLUSÃO







FAÇA O DOWNLOAD DOS ARQUIVO


PDF




Um comentário:

  1. Muito bom, você é incrível estou acompanhando suas lives ha algum tempo.
    Hoje 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

    ResponderExcluir

Tecnologia do Blogger.