西丰门户网

首页 > 正文

复旦科研团队快速行动 让AI加入战“疫”

www.briansc.com2020-03-17

核酸检测的准确度不高?手动识别CT图像需要花费大量的时间和精力吗?面对新皇冠疫情诊断的实际需求,复旦大学研究团队正在研究的人工智能辅助诊断可能会给出更好的选择。

1月29日,在复旦大学副校长张志勇的带领下,复旦大学计算机科学与技术学院和大数据研究所与上海市公共卫生临床中心放射科(复旦大学附属)共同发起了2019-nCoV肺炎影像人工智能辅助诊断研究。本研究旨在通过人工智能算法实现2019-nCoV肺炎、其他病毒性肺炎和细菌性肺炎的图像分类和病变检测,帮助临床诊断更加高效。目前获得的应用数据表明,诊断新冠状肺炎型的假阴性率约为7%(核酸检测的假阴性率高达30%-50%)。

2月21日,辅助诊断设备进入公共卫生临床中心,正在调试和安装,并将很快投入临床实践。

模型设计有一个入口:由

新型冠状病毒引起的肺炎可以从一个病例的400层切片图像中准确定位,这与其他病毒性肺炎和细菌性肺炎的CT图像相似。所有三种类型的肺炎在视觉上都有相似的病变(如毛玻璃阴影)。目前,临床发现可以适当地利用更多的差异信息,例如肺部空间的病变分布来区分它们。

“影像科的医生需要看大约400层图像才能诊断一个病例,加上前后对比,最快的时间是5-10分钟,而算法只需要几秒钟。”复旦大学计算机科学与技术学院的薛向阳教授说,与人工诊断相比,人工智能辅助算法在电影阅读速度上具有最大优势。它可以帮助医生在几秒钟内预先发现病灶区域,从而大大缩短读片时间,提高临床诊疗效率。

人工智能如何具备识别新的冠状肺炎的能力,以对抗“流行病”?这背后真正的“超级大脑”是算法模型。

该团队行动迅速,使用最先进的深度学习算法为肺部CT图像定制了一套深度神经网络模型。凭借长期的研究经验和技能,在CT图像标注数据较少的情况下,训练出性能较好的模型。

“在这个阶段,医生需要在大量图像数据中快速诊断新的冠状肺炎病例,还需要诊断病变分布的位置和大小以评估其严重程度。”据薛向阳介绍,鉴于实际临床需要,该团队针对两大功能进行了设计:“肺炎分类与识别”和“关键病灶检测”。前者是为了区分健康状况、新冠状肺炎、其他病毒性肺炎和细菌性肺炎,而后者是为了发现和分离病变区域如毛玻璃阴影。

在收集、整理和分类新发冠状肺炎、其他病毒性和细菌性肺炎以及正常人的CT图像数据的基础上,该团队设计了一个诊断算法模型,允许机器使用该模型进行训练,学习不同类型肺炎的不同特征对CT图像性能的影响,最终具备智能辅助诊断的能力,成为临床医生的得力助手。“在这个过程中,我们需要突破许多技术难点,如小样本学习和小目标检测。”薛向阳说。

“小样本学习”意味着用较少的训练数据样本进行机器学习。在疫情早期,能够获得的新的冠状肺炎影像数据相对较少,并且由于一线影像医生的任务繁重,无法获得大量的专家注释,因此算法需要在样本较少的情况下“自学”。为此,该团队采用了基于自迁移学习的半监督学习技术,使得算法具有一定的“小样本学习”能力,在不增加医生标注工作量的情况下提高了算法模型的通用性。

有了诊断这个“人工产物”,影像医生会失业吗?薛向阳非常清楚医生是不可替代的。“人类是一个复杂的有机体,不同人体对病毒感染的反应可能不尽相同。”他说,当遇到机器还没有学会的小病变或疑难病例时,仍然需要影像医生的经验和智慧。

有未来应用的渠道:肺炎图像智能识别和预后预测的好帮手。

本项目旨在解决实际问题,在研究过程中一直与临床应用紧密结合。机器学习数据和测试评估数据都来自临床实际案例。为了测试算法模型的准确性和通用性,该团队还用真实的疑似案例对其进行了测试。

"在实际病例的诊断测试中,疑似病例在治疗后有轻微的病灶复发。我们的肺炎分类和识别算法认为病例是正常的,但是焦点检测算法检测到轻微的焦点。”薛向阳说,这促使团队在考虑融合分析多算法结果的同时,进一步提高了模型的准确性。

上海市公共卫生临床中心影像科单飞主任团队和石玉新教授团队为研究注入了临床实践的实践力量。医生指导团队学生通过在线平台远程识别病变,并指导学生标记数据。“关于哪些病变和哪些类型的病变的信息非常复杂,但非常重要。算法需要在训练前知道这些标记信息。”同时,医生坚持每天与算法团队保持同步,并针对相应的问题提出改进建议。“他们在前线战斗,全力帮助我们。他们为这场流行病付出了太多的代价。”薛向阳不禁感慨。

2月21日,团队开发的相关辅助诊断设备系统已进入上海市公共卫生临床中心进行联合试验和调整。下一步将完成与影像科CT设备的数据对接,并嵌入临床应用流程。

在临床应用中,辅助诊断软件系统将从设备中实时获取数据并快速识别。“当成像医生获得CT数据时,他可以立即看到辅助诊断的结果。以此为参考,将有效提高诊断效率。”

除了准确识别肺炎类型外,本研究项目的后续工作还将实现疾病病程状态的确定和疾病发展的预测,为医生的诊断和治疗方案提供参考。“我们将继续与医院团队合作,提高患者的体温、血液检测等临床数据,突破多模态、多组人工智能辅助诊断算法的研究。”薛向阳期望相关的成就不仅在目前的流行病期间发挥作用,而且在今后的肺炎诊断和治疗中也发挥作用。

科学研究有很大的优势:远距离合作、与时间赛跑和训练团队的战斗力。

回顾科学研究的经验,薛向阳说:“与过去最大的不同也是最大的困难,那就是远距离工作。”

薛向阳的团队由来自计算机科学与技术学院和大数据学院的3名教师和近20名研究生组成。在这种疫情下,这支队伍分散在全国各地。成员使用协作办公工具进行实时通信,远程协调计算资源的部署,共享数据和技术文档,并努力克服远程合作的诸多不便。他们在短时间内完成了数据的分发、清理和标记。

“每个人都在用更多的时间和精力来弥补可能带来的不便。”根据薛向阳的说法,精细的标记需要勾勒出焦点的位置。每个案例包括至少400个多层图像。轻度感染病例的标记需要大约一个小时。严重感染病例的标记需要更多的重点区域,大多数需要近五个小时。"这项工作锻炼了每个人的耐心,凝聚了每个人的战斗力。"经过20多天24小时的努力,该小组在肺炎类型的鉴别诊断方面取得了初步成果,假阴性率为

天无日天天射天天视 夜夜橾天天橾b免费视频 天天夜夜日日高清在线

热门浏览
热门排行榜
热门标签
日期归档