MedRxiv: 新冠肺炎辅助诊断人工智能模型成功建立

快速、精确地筛查大量肺炎症状的病例,以接纳适当的隔离和治疗办法,是掌握新冠肺炎流传的重点。实验室核酸检测是诊断的金尺度,但因为其耗时且轻易假阳性,有时也需要连系计较机断层扫描(CT)作为诊断对象。
2月17日,天津医科大学从属肿瘤病院徐波传授团队及国度超等争论机天津中心的研究团队在medRxiv预印本平台上颁发的文章中,介绍了双方合作研发的一个操纵CT图像辅助诊断新型冠状病毒肺炎的人工智能模型。该模型辨别新冠肺炎与其他病毒性肺炎的总精确度可达83%,且快速高效。
按照成像模式,有很多特征可识别病毒病原体,这些特征与它们的特定发病机理有关,COVID-19的标记是斑块状暗影和毛玻璃不透亮的双边分布。基于此,研究人员收集了453例病原体确诊的COVID-19病例和先前诊断为典型病毒性肺炎的CT图像,点窜了Inception转折进修模型以竖立算法,然后进行内部和外部验证。内部验证的总正确度为82.9%,特异性为80.5%,活络度为84%;外部测试数据集显示总正确性为73.1%,特异性为67%,活络度为74%。这些成绩证实了使用人工智能提取放射学特征以进行实时精确的COVID-19诊断的道理。

深度进修算法框架
这是第一项将人工智能手艺应用于CT图像以有效筛查COVID-19的研究,每例病例的时间约为2秒,而且能够过程共享的公共平台进行长途操作。尽管今朝还存在一些局限性,研究人员相信经由将CT图像的分层特征与其他身分(例如遗传、风行病学和临床信息)的特征链接起来,进行进一步的优化和测试,提高精确性、特异性和敏感性,该平台能够用于辅助临床诊断,为COVID-19疾病掌握做出进献。

模型结果图:
原始出处:Shuai Wang,et al. A deep learning algorithm using CT images to screen for Corona Virus Disease (COVID-19). MedRxiv. Posted February 18, 2020.

上一篇:OCC 2020 | 对话人工智能:云医院和AI医生渐行渐近
下一篇:Cell:抓住癌症“代谢弱点”!实时代谢追踪+无脂

网友回应