https://www.youtube.com/watch?v=ca77nklqono
最近都在玩
#
機器視覺
的應用, 剛巧我學校
#
台北科技大學
#
電子工程研究所
有買
#
nVIDIA
#
DGX
-1 然後開帳號給我用. 玩著玩著就在群組裡面聽到有同學叫, 說剛剛查到有人拿
#
武漢肺炎
#
COVID
-19
#
新冠肺炎
的CT和X光影像的機器視覺去投期刊了
結果我去上網查, 發現其實之前就已經有人弄了! 我看那些文章後搞懂他的意思, 在把那訓練效果複製到nVIDIA DGX-1上執行後, 輸出的
#
模型
#
model
存成固定檔案. 最後再用
#
Python3
加上
#
Keras
寫了一個可以根據輸入的影像求出是否感染武漢肺炎的機率
現在看來效果是有啦~! 不過還不算很好, 影片中就可以雖然分得出來機率不一樣, 不過正常的與感染者的目前差10%, 樣本應該不太夠! 要不然可以考慮在現有
#
VGG16
的通用架構下進行擴充
Simon Li
2020-03-26 17:17:57
Jack Omnixri
2020-03-26 17:26:07
只有幾十張樣本訓練出來的很容易overfitting，訓練越久精確度越高這個問題會越嚴重，所以如何取得更多樣本或利用GAN產生訓練樣本，以增加數量及多樣性才是重點。
賴建宏
2020-03-26 17:27:12
Jack Omnixri
2020-03-26 17:28:13
不過要用GAN產生多樣本也有原始樣本不足產出不了多樣性問題產生。
賴建宏
2020-03-26 17:32:14
Jack Omnixri
2020-03-26 17:32:58
賴建宏
2020-03-26 17:35:21
這個應該是用ResNET50那種...可是我覺得很奇怪! 那文章中說可以達到95%甚至以上的辨識率, 這只有兩種可能 :
1. 樣本(得武漢肺炎的人)一定要夠多
2. 發生過適應現象
這是哪種?
賴建宏
2020-03-26 17:43:23
Jack Omnixri
2020-03-26 17:49:30
賴建宏
2020-03-26 17:53:41
Jack Omnixri
大大，我也是這麼認為，全球確診人數來講，現在為止都還只有五位數而已耶！
地球現在有幾十億人，怎樣都算少數啊！
賴建宏
2020-03-26 18:04:07
更離譜是：這期刊也沒詳載驗證統計的方法，就貼個數字上去？
洪瑛瑩
2020-03-26 18:25:13
肺炎都長的差不多 真的能有效辨識是否是covid19嗎？
賴建宏
2020-03-26 18:31:31
洪瑛瑩
大大，主要是針對影像辨認，至於那影像的內容是否正規化得好，也是影響辨識率的關鍵
賴建宏
2020-03-26 18:40:53
邱登佑
2020-03-26 18:42:41
洪瑛瑩
武漢肺炎的點修臨床症狀有一個是毛片狀玻璃化，是一般肺炎少見的，可以作為初步的判斷，減少醫生與病患接觸的機率
洪瑛瑩
2020-03-26 19:00:11
邱登佑
雖然是以這種方式簡單分類 ，但在臨床上還是很難排除是其他疾病（流感之類的）造成的x-ray pattern
另外目前診斷重點還是在於旅遊史及接觸史，要以x-ray或CT當作初步判斷感覺不太可行，畢竟要有那麼嚴重的肺部症狀也是需要幾個天的時間
?
所以目前還是以篩檢的方式去確診
依小妹薄弱的醫學知識，覺得實用上的效果是滿有限的
?
不過還是對於醫療與機器學習方面的結合還是覺得很有趣～
??
LeiShen Yueh
2020-03-26 21:54:33
跟人命扯上關係的玩藝兒，興趣玩玩就好
沒人會想要去當那個千分之一的分類失誤的
賴建宏
2020-03-26 22:23:57
Jack Omnixri
2020-03-27 07:35:47
以去年AIGO比賽為例，童綜合醫院出了一個待解AI題目「使用類神經網絡在X光影像上偵測結節與腫塊，以及標註生產線建置」想要偵測四種類別 「3：高度懷疑有結節或腫塊 2：中度懷疑 1：低度懷疑 0：無」，都要提供提供一萬個X光影像作為train dataset(正負樣本比例約為1:1)。另會保留1000個完全與上面不同病人來源的data作為test dataset，最後只預期達到95%的sensitivity，與95%的specificity。所以可想而知，這個開源項目要能到實用階段還有一段路要走。
https://aigo.org.tw/zh-tw/competitions/details/102
賴建宏
2020-03-27 07:40:39
帕拉提斯
2020-03-27 08:45:45
LeiShen Yueh
2020-03-27 09:04:42
可是醫生會要病人去進行抽血檢查或是化痰檢查，然後培養病毒來確認感染源
單純的看片本來就不準，X光要很嚴重的才看得到
賴建宏
2020-03-27 15:10:01
LeiShen Yueh
大大! 對, 很多人對於機器學習、機器視覺都以為高大上, 其實那都是有一定的應用情境才可以套用的
賴建宏
2020-03-27 15:48:35
帕拉提斯
大大，對了！就是因為與病患接觸越久越危險，才會想到乾脆透過機器學習
邱登佑
2020-03-27 16:49:28
洪瑛瑩
是的，但是單單這樣就能夠分辨出7~8成的病患，有流感的病例混入，輔以病毒篩檢，這樣才能做到高準確
