民生醫院智慧城鄉專案-期中報告Ｑ＆Ａ
===
###### tags: `Project` `Q&A`

第一題：
那個測試希望可以順利完成這個測試
第二題：
這一個遺漏的案例是因為只有一個模型判讀為陽性，但目前條件規劃是需要多個模型判讀為陽，之後為了避免這種漏掉的偽陰性個案，我們會新增排序的功能，如果多個模型同時判讀為陽性，我們將列為高疑似案例，如果只有單一模型判讀為陽性，我們則會列為低疑似案例，確保不會有任何遺漏的案例

第三題： TB模型如何進
與民生醫院

## 模型技術類相關
### 目前模型是基於什麼樣的理論建構的？針對哪些參數進行調整?如何選定建立模型的資料
> 目前模型經歷了三個階段的開發，每個階段皆對模型架構進行調整，主要基於肺部切割、框選，並且使用影像前處理演算法來標準化Ｘ光影像，來減少因X光片相關亮度、對比度等影像參數的差異所造成的模型判讀差異，在肺結核的辨識上，我們採用集成學習架構，以一個系統化的方式將好幾個物件辨識的模型結合在一起，目的是希望結合多個的模型產生一個更強大的模型
> 並且我們在模型的架構上進行修改，將模型的全連接層拆成兩層式架構讓卷積層的輸出能反映到各個分類輸出的數值上，並對池化層的函數進行修改來解放固定輸入的限制並且保證輸出結果的大小
>
> 對於模型架構上，我們採取多模型(Resnet, EfficientNet, Resnext, DenseNet等)，分別在三個階段上的資料集做訓練，並且統一修改輸入為128*128灰階影像，並且修改最後一層架構(第一階段將FC拆為兩層並符合類別數輸出、第二階段將AvgPool參數做調整、第三階段以AdaptiveAvgPool取代AvgPool)。
> 資料分別取自五個資料集，以不同來源影像建立模型以增強模型泛性，模型資料皆做類別平衡並以7:3切割訓練驗證集。

### 如何建立肺結核框選模型？
> 民生醫院108～110三年移工資料做肺結核位置標記，並應用方法（旋轉 左/右位移 垂直/水平翻轉）擴充資料集，以整個灰階資料集計算正規化參數，並執行之。
> 統一將輸入改為512*512灰階影像，基於FCN8修改其架構，不選擇其他更深層模型導致淺層特徵丟失，主要在模型輸入層後添增一塊block（兩層[conv＋BN+Relu]組成）來增強影像特徵擷取，隨之對影像做downsampling直至feature map為32x32x256，upsampling回最終mask影像（可能為肺結核病兆區塊），此模型在測試集Dice Coef可達約65％。 最終我們以框選的形式展示在x光上，運作過後的x光將會標註出可能為肺結核病兆之區域。

### 對於模型真陽性/真陰性的數值如何設定調整的策略
> 由於TB模型判讀在主要移工國家平均盛行率約0.05%，確診個案一年大約20~40個確診個案，考量到如何在醫院實際環境應用上幫助醫師判讀，除了模型目標設定敏感性(sensitivity)為90%及特異性(specificity)95%外，我們目標設定為經過模型運算後將疑似案例(偽陽性+偽陰性)數目降低到原本總病人數的10%，在降低醫師判讀負擔外，也確保不會有案例被遺漏．
> 由我們的roc圖可看到面積可達91％，而在位於曲線尖端的位置，其敏感度約為90％與特異度為92％。

### 對於模型取證規劃如何？一個沒有取證的模型沒辦法做為醫師的第二意見
> 目前規劃在下一階段開始讓上線模型實際運作，初期的模型運算結果將作為醫師判讀時的參考資訊，在模型上線運作的時候我們將會收集臨床實際判讀及模型運算結果的資料作為申請醫材藥證的臨床資料，在完成資料收集階段後，就開始推進藥證申請流程
> 於上線運作後，將移工驗證批次處理，分別統計醫生判別和實際驗痰後結果（是否真實有tb），與我們的模型進行比較驗證。

### 目前模型敏感性(sensitivity)及特異性(specificity)都超過90%,是否存在over-fit的問題？
> 目前因為使用民生醫院的資料重新訓練及驗證模型，所以最後的模型相關數據存在著對於民生資院Ｘ光片資料準確度較高的問題，目前改善方向有兩個一個是使用所收集的公開資料集透過不同地區人種的資料進行模型修正，另外一個方向則是後續在民生醫院上線後透過實際運作時所收集的資料，來對現有模型進行修正
## 民生醫院部署
### 目前與醫院系統整合架構？

### 肺結核是嗜氧菌，所以判片的準確率還有待考究，但重點應該是後續治療的手段，目前跟民生醫院有沒有討論完整的程序?
> 1. 痰液抹片：檢查時間約2-3天，痰液中每cc需有5000-10000隻結核菌才容易診斷出。但非結核菌的一些分支桿菌，也會呈現陽性反應，造成偽陽性。需靠痰液培養來加以區分。敏感度與專一性較差。
> 2. 痰液培養：檢查時間約1-2個月，耗時較長，痰液中每cc需有10-100隻結核菌才能培養出來。敏感度與專一性較佳。
> 3. PCR方法：檢查時間約7天，痰液中每cc只要小於10隻結核菌就有可能診斷出，敏感度與專一性最好。但此方法的缺點是，只要有結核菌的屍體存在檢體中，即使沒致病也會呈現陽性。受污染的檢體容易出現偽陽性。
> 肺結核的診斷需靠臨床症狀，X光片表現以及實驗室檢查三種配合才能做出最好的判斷。

## 產品市場性
### 現在跟民生醫院的合作模式是甚麼?專案結束後轉移?還是後續有要再繼續合作?

### 要如何複製到其他醫院?

### 目前系統的部署經驗？
> 目前這套edge-cloud的系統已經在小港醫院及巴西InCor醫院成功部署上線運作，在小港醫院是作為胸部Ｘ光片篩檢，協助醫師篩選出疑似肺炎病患，並與相關臨床資料庫整合，透過去得心跳血壓及實驗室檢驗數據，持續追蹤病患病況變化，並結合院方簡訊通知系統，通知相關醫療團隊病患病況變化．在巴西InCor醫院則是整合醫院所開發的COVID-19偵測模型，過濾疑似病患的胸部Ｘ光片
### 如何對於模型的通用性如何規劃？未來如何移植到不同的醫院環境中
> 目前將會針對TB模型，建立一個可重新調適模型的流程，在未來移植到不同環境中時，透過收集目標醫院環境的Ｘ光資料，對模型進行修正，讓模型適應目標醫院Ｘ光設備參數及機型等環境．這部分會依賴 Few-shot learning技術，抑或是使用Model/Domain Adaptation技術來移植模型。
> 另外一方面我們會強化影像輸入標準化的演算法，透過將不同醫院Ｘ光片影像的標準化，將對比度、亮度等影像參數透過標準化演算法克服不同醫院間Ｘ光片拍攝器材及參數設定上的差異．
###
> 我們基於病人隱私我們是將模型訓練環境透過移動設備放到民生醫院環境中，針對我們在HPC環境所訓練出來基於開源數據的模型，進行針對民生醫院Ｘ光片的模型修正

## 自選問題