COVID-Net: нейросеть распознает наличие вируса по снимку груди

COVID-Net — это глубокая сверточная нейросеть, которая распознает наличие COVID-19 по рентгеновскому снимку груди. Исследователи обучали модель на датасете с 5941 рентгеновскими снимками 2839 пациентов. Для части пациентов из выборки диагностировали наличие COVID-19.

Предыдущие исследования показали, что наличие COVID-19 можно определить по аномальному образованию в легких с помощью рентгеновского снимка груди. В связи с этим уже существуют закрытые разработки с применением нейросетей для распознавания вируса. Исследователи предлагают открытую реализацию сверточной нейросети для распознавания наличия COVID-19.

Архитектура модели

COVID-Net — это сверточная нейросеть. Модель наследует паттерн дизайна архитектуры “проекция-расширение-проекция” (projection-expansion-projection).

Визуализация составных частей COVID-Net

Паттерн проекции-расширения-проекции-расширения (PEPX) состоит из: 

  1. Проекции на первом этапе: 1×1 свертки для представления входных признаков в пространстве меньшего размера;
  2. Расширение: 1×1 свертки для представления признаков в пространстве большего размера, в котором признаки отличаются от тех, что модель получила на вход;
  3. Depth-wise представление: 3×3 свертки для извлечения пространственных признаков;
  4. Проекция на втором этапе: 1×1 свертки для представления входных признаков в пространстве меньшего размера;
  5. Расширение: 1×1 свертки для получения итоговых признаков изображения

Датасет для обучения

СOVIDx датасет, на котором обучали нейросеть, состоит из двух публичных наборов данных:

  • Датасет с рентгеновскими снимками пациентов с COVID;
  • Kaggle датасет с снимками пациентов с пневпонией

Тестирование работы нейросети

Исследователи тестировали модель на снимках, которые модель не видела во время обучения. Ниже видно, что для 8 из 10 кейсов с COVID-19 модель верно предсказала наличие вируса.

Матрица ошибок предсказаний COVID-Net для разных видов заболеваний из датасета
Подписаться
Уведомить о
guest

0 Comments
Межтекстовые Отзывы
Посмотреть все комментарии

gogpt