【CSDN】厉害！你的 CT 片子，AI 就能分析

本文插图
作者 | Ophir Gozes, Maayan Frid-Adar等译者 | 刘畅出品 | AI科技大本营（ID:rgznai100）新冠病毒的传播非常迅速，并对数十亿人的生活产生了重大影响。由于非对称胸部CT已被证明是检测、量化和追踪该疾病的有效工具，因此可以开发深度学习算法，来帮助分析大量的胸部CT图像。目标：开发基于AI的自动CT图像分析工具，并证明它们可以将冠状病毒患者与未患该疾病的人区分开。数据和方法：包括来自中国疾病感染地区的多个国际数据集。本文提出了一种利用2D和3D深度学习模型，修改和调整现有AI模型并将其与临床理解相结合的系统。本文进行了多次回顾性实验，以分析系统在检测可疑COVID-19胸部CT特征中的性能，并使用3D视图来检查评估每位患者随时间推移的疾病进展，并产生“冠状评分” 。该研究包括了157名国际患者（中国和美国）的测试集。结果：胸部CT冠状病毒与非冠状病毒的分类结果为0.996 AUC（95％CI：0.989-1.00），这是在中国控制和感染患者的数据集上的结果。实际使用的结果：灵敏度为98.2％，特异性为92.2％。对于冠状病毒患者，系统可对较小的不透明物（体积，直径）进行定量测量，并在基于切片的“热图”或3D体积显示中可视化较大的不透明物。本文提出的“冠状(Corona)评分”可以衡量疾病随时间的进展。总结：这项最初的研究目前正在扩展到更大的人群，证明基于AI的图像分析可以在检测冠状病毒以及量化和跟踪疾病方面取得高精度的结果。引言冠状病毒感染的迅速传播，对数十亿人生命产生了巨大的影响，根据目前已有数据分析，死亡率在3.4%左右。人们对当前诊断标准在疾病最初表现时的敏感性提出了质疑。 Fang等热将非对称胸部CT的敏感性与检测病毒核酸的逆转录聚合酶链反应（RT-PCR）进行了比较，它是目前检测COVID-19的参考标准。他们的研究调查了51名在流行地区有旅行或居住史，发烧或未知原因的急性呼吸道症状的患者。患者接受了最初的和重复的RT-PCR测试。他们的标准是通过串行RT-PCR测试最终确认的COVID-19感染诊断。非对称胸部CT检测COVID-19感染的敏感性为98％，该论文中显示了病例的CT特征是显示出弥漫性或焦玻璃混浊。 Xie等人和Bernheim等人的研究都表明，胸部CT毛玻璃浑浊形态是该疾病的特征，尤其是双侧和周围的合并性肺混浊。研究人员指出，随着症状发作时间的延长，疾病的严重程度也随之增加，并且描述了后来的疾病征兆，包括更大的肺部受损，线性混浊等等。有28％的早期患者， 76％的中度患者和88％疾病晚期患者有双侧肺部受损现象。这些最新研究表明，一旦做出使用胸部CT即可对患者进行诊断或筛查的决定，则需要迅速判断非常大量的影像学图像。人工智能技术，尤其是深度学习图像分析工具，则可以被开发来帮助放射科医生进行数据的分类，量化和趋势分析。 AI解决方案有可能并行分析多个病例，以检测胸部CT是否显示出肺部任何异常。如果该软件表明明显增加了疾病的可能性，则可以将该病例标记出来，以供放射科医生或临床医生进行进一步检查，以进行可能的治疗/隔离。开发深度学习算法通常需要下面几个阶段：一、数据收集阶段，其中包括需要从预定义的类别中收集大量数据样本；需要专家对数据进行注释；二、训练阶段，其中收集的数据用于训练网络模型。每个类别都必须有足够的代表性。在此训练阶段，将自动生成大量的网络参数（通常为数百万个）。三，测试阶段，其中将未在训练中使用的另一组数据提供给网络，并对网络的输出进行统计测试，以确定其是否分类成功。由于新病毒的样本数据非常有限，因此，本文的假设是，可以利用修改和调整现有AI模型并将其与临床理解相结合的来快速开发基于AI的工具。我们的目标是开发基于深度学习的自动CT图像分析工具，并证明它们可以使冠状病毒患者与未患疾病的患者区分开，从而为疾病的检测、量化和跟踪提供支持。方法本文提出的系统具有输入胸部CT图像并标记怀疑具有COVID-19病例的功能。此外，对于分类为阳性的病例，系统会输出肺部异常定位图和测量值。图1显示了开发系统的框图。