前言
前几天浏览器突然给我推送了一个文章，是介绍加州大学圣地亚哥分校、Petuum 的研究者构建了一个开源的 COVID-CT 数据集的。我看了一下代码其开源的代码，比较适合我们这种新手学习，当做前面若干笔记内容的一个实际应用，并且新冠肺炎（coronavirus）现在依旧是一个热点，所以就下下来玩一下咯。另外，这是第一次写和我的专业有相关性的笔记，就把它当做一篇序吧。
原代码及数据地址：UCSD-AI4H/COVID-CT
新冠肺炎CT识别
- 病毒来源
病毒经过呼吸道，进入我们的肺部。我们的肺部，绝大部分都是肺泡，而肺泡里面是空气。由于空气对X射线的衰减很小，即CT数很小，所以健康肺部在CT图中基本是黑色的。新冠病毒到达肺部之后，通过肺泡孔扩散，然后附着在肺泡上皮，其间会引起我们免疫系统的反应，大量免疫细胞会去和新冠病毒大战，这些会改变肺泡的物理性质（如肺泡肿胀、肺泡间隔液体的渗出，肺泡间隔增厚等），这样就会在CT图中露出痕迹。所以我们就是通过观察肺部CT中的痕迹，以及病毒的特点来判断是否有可能感染新冠病毒。
- CT图特征
磨玻璃影
磨玻璃影形成主要是新冠病毒侵入肺部以后，沿着肺泡孔扩散，其间会导致肺泡肿胀、肺泡间隔液体的渗出，肺泡间隔增厚等，这些会使的肺部的CT数增大，即变白。病毒性感染没有粒细胞的渗出，肺泡是干净的，里面依旧是空气，所以常常没有成一个实质性变化（白块），就表现出来一个磨玻璃影（朦胧），我们透过磨玻璃影还能看到支气管，如图1所示（引自广东省人民医院放射科行政副主任赵振军做了名为《新型冠状病毒感染CT早期诊断和鉴别诊断》的主题报告）。
烟花式扩散
新冠病毒直径：60-140纳米，肺泡孔大小：10-15微米。可见肺泡孔比新冠病毒大1-2个数量级。所以新冠病毒主要是通过肺泡孔扩散的，多发并磨玻璃影表现为一个中心向四周扩散，由于较少的受到小叶的阻挡，中间是连着的，如图2所示（引自广东省人民医院放射科行政副主任赵振军做了名为《新型冠状病毒感染CT早期诊断和鉴别诊断》的主题报告）。细菌较大，主要是通过细支气管扩散，会沿着支气管分布。
细小网格或者条状影
如果有前两个特征，并且将有磨玻璃影的地方放大，如果看到了如图3所示的细小网格（引自广东省人民医院放射科行政副主任赵振军做了名为《新型冠状病毒感染CT早期诊断和鉴别诊断》的主题报告），则表明极有可能是新冠病毒感染。以上都是人读片时的特征识别，但是机器在识别的时候又会以什么特征为依据呢，或许也有类似的特征呢。
COVID-CT数据
- CT图片
我们下载的代码包里包含了数据集，其中COVID-19检测为阳性的CT图片此时有349张，COVID-19检测为阴性的CT图片有397张。这比作者公布的数据集统计数据要多，估计是后面又添加了一些图片进去。但是这数据还是太少，用如此少的数据进行训练，是训练不出好的模型的，所以需要用其他数据先预训练模型，再用迁移学习训练识别COVID-19的模型。
- 数据集划分列表
作者已经将数据集划分成了训练集，测试集和验证集。是通过路径分配来形成不同集的，并没有在物理上划分数据集。而是在读取过程中根据不同文档中的路径，来将数据信息给不同的数据集对象。
| Type | NonCOVID-19 | COVID-19 | Total |
|---|---|---|---|
| train | 234 | 191 | 425 |
| val | 58 | 60 | 118 |
| test | 105 | 98 | 203 |
- 其他
其他就还有两个文件：COVID-CT-MetaInfo.xlsx和NonCOVID-CT-MetaInfo.xlsx。里面包含图片对应的患者的一些信息，如年龄，其中一个患者对应了多张图片。这个我们用不着，而且NonCOVID-CT-MetaInfo.xlsx还打不开，所以不予考虑。
模型表现
图5是作者在数据集介绍文档中给出的模型表现，可见其准确率很高，但是召回率没有那么理想。不知道最后我们用作者给的代码训练出来的模型能有什么表现，这就在下一篇笔记中讨论吧。
参考
https://v.qq.com/x/page/t3068am79y7.html
https://www.jiqizhixin.com/articles/2020-04-03
https://github.com/UCSD-AI4H/COVID-CT