研究人员开发一个新系统,可以区分肺炎COVID-10在胸部x光检查
瓦伦西亚理工大学的研究小组(UPV),从CVBLab,已经开发出一种人工智能预测模型,可以区分健康的病人,那些患肺炎和那些COVID-19,胸部x光检查。
根据Valery Naranjo UPV CVBLab主任,教授提出的模型已被证明有很大的歧视性的功能在第一个实验中,达到平均成功率为92%时区分不同类型的病人。“算法预测冠状病毒病例时表现更好;它的成功率略比其他情况下:它有97%的成功率在决定是否从x射线COVID病人,“瓦莱里·Naranjo指出。
UPV CVBLab研究小组的全面体验人工智能及其专业领域的发展应用于计算机视觉算法生物医学图像。“这就是为什么我们把知识服务的对抗这个大流行,”胡里奥·席尔瓦,生物医学工程师也UPV CVBLab的一员。
开发预测模型,CVBLab工程师应用基于深度学习算法的分类和分割技术对大量的x射线图像。从这个意义上说,瓦莱里·Naranjo解释说,从健康的人有更多的x射线和其他肺炎患者COVID-19,“由于最近如何,因为很多数据库都没有开源代表一个额外的困难。模型我们已经开发出解决这个class-patient-unbalance和可以提供可靠和健壮的结果。”
CVBLab集团已经有一个初始版本的电脑平台,集成预测模型,所以可以立即加载一个胸透和预测如果它是一个健康的人的形象,一个病人肺炎或冠状病毒。
创新设计
的人工智能模型CVBLab-UPV显示关键新神经网络架构的设计。特别是,它是基于知识转移技术结合其他剩余并行卷积块法提取特征从胸部x光检查。
“这新设计,适应图像的类型研究,使得人们有可能获得初始敏感性和特异性的结果97%,”加西亚说生物医学工程师和研究员的CVLab UPV。
CBIR系统
与此同时,研究人员正在开发一种新型的基于内容的图像检索(CBIR)系统基于生成神经网络。这个系统的概念是,在接收一个新的x射线图像,以及获得预测诊断,之前最相似情况下从一个大,不断增长的数据库将提供。“肺受影响地区的档案最相似的情况下显示一个非常直观的热图的专家人员使用它。因此,医生有更多的数据才能做出决定。这就像当他们寻找一些在阿特拉斯,但自动,”艾德里安•科罗姆说,医生在电信和研究员的CVBLab UPV。
创建自己的模型,CVBLab UPV的研究人员收集了来自不同机构的公共数据库,和标准化的他们在一个共同的框架,它可以训练和测试他们的模型。
编译数据库中提供的一个BIMCV-COVID-19 FISABIO开源平台协调,一个来自蒙特利尔大学的,另一个从公司Italiana di Radiologia书e Interventistica Kaggle提供的,另一个在他们的“胸部x光图像(肺炎)”的挑战。
