SUMÁRIO
- COVID-19?
- Análise de imagens
- Convolution Neural Network!
- O que é convolução?
- O que são feature maps?
- VGG?
- Detecção de objetos
- Faster R-CNN
- VGG como extrator de características na Faster R-CNN
DEEP LEARNING APLICADO À DETECÇÃO DE COVID-19
COVID-19
- É uma doença causada pelo SARS-COV-2 que é um vírus da família corona vírus;
- Vírus desta família causam infecções respiratórias, geralmente, pneumonia;
- Cerca de 80% dos pacientes podem ser assintomáticos;
- 5% dos casos que requerem atendimento hospitalar podem necessitar de internação;
- A taxa de contágio é elevada;
COMO IDENTIFICAR PNEUMONIA CAUSADA POR COVID-19
- RT-PCR - Reverse Transcription - Polymerase Chain Reaction;
- Utiliza técnicas de biologia molecular para identificar a presença do SARS-COV-2 no organismo da pessoa;
- Sorologia – Teste imunológico;
- Tomografia Computadorizada;
- Imagens de raio X de pulmão;
POR QUE UTILIZAR IMAGENS RAIO X AO INVÉS DO TESTE RC-PCR
RAIO - X
- Os exames RT-PCR e imunológico tem custo elevado e o resultado é demorado;
- Nem todos os hospitais possuem tomógrafos pois é um aparelho de custo elevado;
- Porém, a maioria dos hospitais do Brasil possuem sistemas de radiografia, consequentemente, seu custo é reduzido;
- Entretanto, depender de um profissional de radiologia pode ser demorado além de introduzir erros no diagnóstico;
- Redes neurais podem ser a solução!;
ANÁLISE DE IMAGENS
ANÁLISE
Dado uma imagem de entrada, então, deve-se:
- Pré processa-la;
- Extrair características;
- Selecionar tais características;
- Classificar as imagens em grupos;
- Pós processar a imagem;
- Finalmente, rotular a imagem!
- Como fazer em MUITAS IMAGENS?
É um processo lento e exige muito trabalho manual!
ANÁLISE DE IMAGENS – RADIOLOGISTA
ANÁLISE DE IMAGENS DEEP LEARNING
- Uso de redes neurais convolucionais (Convolutional Neural Networks) aplicados à análise de imagens;
É necessário um banco de imagens muito grande.
O QUE SÃO CONVOLUCÕES?
CONVOLUCÕES
- É uma operação matemática entre duas funções f e g que produz uma Terceira função f*g expressando como a forma de uma é modificada pela outra;
REDES CONVOLUCIONAIS
- Cada neurônio é conectado à parte dos neurônios da camada anterior;
- Os pesos “deslizam” pelos neurônios assim como na convolução;
REDES CONVOLUCIONAIS
- Cada neurônio é conectado à parte dos neurônios da camada anterior;
- Os pesos “deslizam” pelos neurônios assim como na convolução;
- Várias camadas
FEATURE MAPS
- Também chamado de mapa de ativação;
- É o que modelo aprende sobre uma determinada imagem;
- É Gerado quando o filtro “desliza” sobre toda a imagem;
FEATURE MAPS
FEATURE MAPS
Aprende “características” da imagem, tais como:
ARQUITETURAS DAS REDES
ARQUITETURAS DAS REDES
Reconhecimento de dígitos escritos à mão
Melhora os hiperâmentros da AlexNet
Arquitetura mais uniforme e mais profunda
ReLu, Dropout, Normalização
VGG
- O max pooling toma o maior valor em uma região nxn, neste caso, n=2;
VGG
- Convolução de tamanho 3x3 e max pooling de tamanho 2x2;
- Possui 16 ou 19 camadas;
- Usada como extractor de características;
FASTER R-CNN
- Redes de detecção de objeto;
Title
Utiliza a busca seletiva para extrair 2000 regiões da imagem.
As imagens são agora dadas como entrada para uma CNN. Utiliza busca seletiva.
Uma rede neural separada é utilizada para prever as regiões.
FASTER R-CNN
- A VGG é utilizada como rede de proposta de região;
- Tempo de teste é cerca de 250 vezes mais rápido que a R-CNN;
COVID FASTER R-CNN
- Introduz o uso da VGG como extrator de características para aplicar à Faster R-CNN;
- Pretende utilizar o modelo para detectar a presença ou ausência de pneumonia causada por COVID-19;
COVID FASTER R-CNN – DATASET
- O banco de imagem COVIDx é colaborativo e está em constante evolução;
- Embora o banco de imagens original possua 3 classes, o problema foi tratado como um problema de 2 classes: COVID Positivo vs COVID Negativo;
COVID FASTER R-CNN – TREINO E TESTE
- K-Fold Cross-validation;
- k=10;
- O treino foi executado no Google Colaboratory (GPU + 12GB RAM);
- A dimensão de entrada das imagens da rede foi 224x224x3;
COVID FASTER R-CNN – RESULTADOS
- A rede proposta obteve desempenho melhor que a COVID-Net, a qual foi especificamente projetada para o problema de classificação de pneumonia causada por COVID-19;
- É a evolução da Faster R-CNN;
- Explorar a utilização desta rede aplicada ao problema de COVID19;