开源数据集和代码，深度学习实践：在X光图像中检测新型冠状病毒肺炎

2020 年 3 月 19 日 极市平台

加入极市专业CV交流群，与10000+来自腾讯，华为，百度，北大，清华，中科院等名企名校视觉开发者互动交流！

同时提供每月大咖直播分享、真实项目需求对接、干货资讯汇总，行业技术交流。关注 极市平台 公众号，回复 加群，立刻申请入群~

截止至北京时间17日夜间23时，全球新冠肺炎确诊病例已经超过18万例，其中中国以外确诊病例超过10万例，很多都因此而被隔离或者停止工作。前天，马里兰大学博士 Adrian Rosebrock 在自己的博客上发布了一篇关于使用X光图像检测新冠肺炎的完整实践的博文，对于需要帮助的人来说，这或许是一个起点。

本文使用深度学习框架Keras和TensorFlow在X射线图像数据集上训练新型冠状病毒肺炎（COVID-19）自动探测器，是一篇使用深度学习框架Keras和TensorFlow进行疾病诊断的完整入门教程。从数据集到代码都有对应的资料，既适合刚入门的新手，也可以为专业领域的研究者提供一些简单的参考。

通过阅读这篇文章，你将学会：

对COVID-19阳性的患者进行X射线图像的数据集采样
对健康人进行X射线图像的数据集采样
训练一个使用本文数据集自动检测X射线图像中的COVID-19的CNN

特别提示： 本文是出于教育学习的目的编写，由于作者并不是医学领域专家，因此这份教程 仅仅作为学习使用，绝不能用来做为临床诊断 。

如何在X光图像中检测COVID-19

下图是一张COVID-19检测呈阳性病人的X光照片。利用X射线图像，我们可以使用Keras和TensorFlow来训练一个机器学习分类器，然后用它来检测COVID-19。由于COVID-19攻击人的呼吸上皮细胞，因此我们可以用X射线来检测病人肺部的健康状况。

数据集

左图：阳性样本；右图：阴性样本

本文使用的COVID-19 X射线图像数据集是由蒙特利尔大学博士后Joseph Cohen所整理的，该数据即包含中东呼吸综合征、SARS和ARDS等19个病例，作者筛选出了其中的25张COVID-19阳性的肺部X光图片。

数据集地址：https://github.com/ieee8023/covid-chestxray-dataset

本文使用的健康样本则来源于Kaggle的胸部x射线图像(肺炎)数据集，Kaggle的胸部X光数据集存在噪声等问题，但是它仍可以作为COVID-19探测器的一个证明。

数据集地址：https://www.kaggle.com/paultimothymooney/chest-xray-pneumonia

使用Keras和TensorFlow实现COVID训练

鉴于数据较少，作者使用在 ImageNet上进行预训练权重的实例化VGG16模型，去掉了全连接层的头。在此基础上，构建了一个由 POOL => FC = SOFTMAX组成的全新FC层头，并将其附加到VGG16之上。然后冻结VGG16的CONV权值，使得仅有最后一层网络被训练。

模型训练：

   
   
     
    
    
      # compile our model
    
    
      print("[INFO] compiling model...")
    
    
      opt = Adam(lr=INIT_LR, decay=INIT_LR / EPOCHS)
    
    
      model.compile(loss="binary_crossentropy", optimizer=opt,
    
    
        metrics=["accuracy"])
    
    
      

    
    
      # train the head of the network
    
    
      print("[INFO] training head...")
    
    
      H = model.fit_generator(
    
    
        trainAug.flow(trainX, trainY, batch_size=BS),
    
    
        steps_per_epoch=len(trainX) // BS,
    
    
        validation_data=(testX, testY),
    
    
        validation_steps=len(testX) // BS,
    
    
        epochs=EPOCHS)

输出结果：

从结果可以看出，这个COVID-19自动探测器在样本数据集上获得了约90-92%的精度。尽管训练数据非常有限，但模型并没有过度拟合。

基于COVID-19数据集的训练中Loss和精度

总结

本文所讨论的方法最大的限制就是有限的数据，但在未来，将会有更多可用于模型训练的高质量COVID-19图像数据集。而如果要将COVID-19探测器部署在实地中，那就需要专业医疗专业人员和深度学习研究者的共同努力。值得一提的是，本文作者分享了整个训练过程使用到数据集和源代码。在 极市平台 公众号后台输入 COVID 即可获取下载链接。

原文链接：

https://www.pyimagesearch.com/2020/03/16/detecting-covid-19-in-x-ray-images-with-keras-tensorflow-and-deep-learning/

-END -

推荐阅读：

移动端AI应用太抢手，高通这次要送开发者20万+的SUV！

特殊时期，一起在家打比赛吧！

添加极市小助手微信 （ID : cv-mart） ，备注： 研究方向-姓名-学校/公司-城市 （如：AI移动应用-小极-北大-深圳），即可申请加入 AI移动应用极市技术交流群 ，更有 每月大咖直播分享、真实项目需求对接、求职内推、算法竞赛、 干货资讯汇总、行业技术交流 ，一起来让思想之光照的更远吧~