厉害!你的 CT 片子,AI 就能分析

简介: 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。

云栖号资讯:【点击查看更多行业资讯
在这里您可以找到不同行业的第一手的上云资讯,还在等什么,快来!

image
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。

1、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。

2.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。

image

该系统由几个组件组成,并在两个不同的级别上分析CT病例:子系统A:使用现有的SOTA算法对结核和焦浊情况的病例体积进行3D分析,而子系统B:对每个切片,用最新开发的2D分析来检测和定位更大范围的弥漫性混浊,包括临床上已描述为冠状病毒表现的毛玻璃态。对于子系统A,本文使用商用软件来检测3D肺部容积内的结节和小混浊。该软件是作为肺部病理学检测解决方案而开发的,可提供定量测量(包括体积测量,轴向测量(RECIST),HU值,钙化检测以及固体,亚固体和GG的质构表征)。由于毛玻璃混浊(GGO)在最近的研究中已经成为COVID-19的关键特征之一,因此作者假设现有软件可以检测出病例中较小尺寸的病灶。

image

在图2(A)中可以看到一个例子:显示了两个冠状病毒病例,其中混浊现象相对较弱。除了检测异常外,还提供了测量和定位结果。在每种情况下,该软件都会检测单个不透明的焦点,并显示检测到的不透明度的图像及其分割结果。最后,会自动生成并提供病变特征列表。

由于当前的肺病理学检测解决方案是专门针对结节检测任务而构建的,因此不能依靠它们来检测更多弥散性的混浊结节。因此作者在每个切片的基础上提出了一种数据驱动的解决方案,如图1子系统B所示。

在本文的解决方案(B)中,第一步是肺划分阶段:本文使用肺分割模块提取感兴趣的肺区域(ROI),分割步骤使得能够去除与肺内疾病的检测无关的图像部分。在接下来的步骤中,作者专注于检测冠状病毒相关的异常:本文使用Resnet-50-2D深度卷积神经网络,与医学成像领域一样,本文进一步微调网络参数以解决当前的问题,每个切片将病例注释为正常(n = 1036)与异常(n = 829)。为了克服数量有限的情况,本文采用了数据增强技术(图像旋转,水平翻转和裁剪)。在后续异常检测步骤中,给定一个新切片,将其分类为阳性,本文提取了“网络激活图”,该图对应于最有助于网络决策的区域。

图2(B)显示了四个分类为异常的COVID-19切片示例结果。顶部是CT图像。底部是相应的彩色地图。红色表示网络权重最大,而蓝色表示最弱。我们注意到,这有力地表明该网络学习到了与COVID-19表现形式相关的重要特征。

image

为了提供完整的案例回顾,我们结合了子系统A-3D分析和子系统B-2D切片级别的输出。在图3中,我们看到了一个冠状病毒病例,并且所提出的系统的合并输出结果图也是如此。我们可以看到绿色的结节性和局灶弥漫性不透明度的检测,红色的则是较大的不透明度检测。这两个子系统相互补充,并且在某些位置相互增强。

除了可视化之外,系统还会自动提取多个感兴趣的输出,包括每个切片的不透明度(2D)定位以及整个肺部不透明度的3D体积表示。

本文还提出了Corona评分,该评分是对不透明部分的体积度量。它是通过网络激活图的体积总和来计算的,该分数对切片厚度和像素间距也具有鲁棒性。对于患者疾病的进展监测,作者建议使用相对Corona评分,其中利用第一个时间点计算的评分将Corona评分归一化。

3、结果

作者做了一系列实验来阐明该自动分析工具的性能。

1、分类

作者使用了10%的中国数据集作为测试集,主要测试了对冠状病毒的检测和辨别能力。当阈值1.1%(检测到的阳性切片与肺切片的阳性百分比),可取得98.2%的病例水平敏感性和92.2%的特异性。而阈值为1.9%时,则会有96.4%的灵敏度和98%的特异性。

image

2、经过一段时间的评估

在作者最后的实验中,评估了在病毒初次发作(发烧、咳嗽)后1-4天进行了第一次CT扫描的时间点成像的患者。

图5跟踪了冠状病毒患者中特定混浊度随着时间推移的结果(红色框)。

image

图6显示了另一例冠状病毒患者的完整过程,该患者在整个疾病过程中均进行了三次CT扫描。

image

关于具体的实验参数,可以详见论文:
https://arxiv.org/abs/2003.05037

【云栖号在线课堂】每天都有产品技术专家分享!
课程地址:https://yqh.aliyun.com/zhibo

立即加入社群,与专家面对面,及时了解课程最新动态!
【云栖号在线课堂 社群】https://c.tb.cn/F3.Z8gvnK

原文发布时间:2020-03-19
本文作者:Ophir Gozes, Maayan Frid-Adar等
本文来自:“CSDN”,了解相关信息可以关注“CSDN

相关文章
|
4月前
|
人工智能 监控 安全
ai换脸?分析一下双刃剑
随着技术进步,“换脸”技术在身份验证中的应用日益广泛,但也引发了一系列问题,如侵犯肖像权、隐私泄露、虚假信息传播及身份盗用等。尽管国家尚未全面禁止换脸软件,已出台多项法规加强监管,确保技术合法、安全应用。未来,平衡技术利弊与社会需求将是关键。换脸技术在影视娱乐、社交媒体和医学领域展现出巨大潜力,但仍需谨慎使用,避免滥用。
|
1月前
|
机器学习/深度学习 人工智能 搜索推荐
AI与体育训练:运动表现分析
【10月更文挑战第31天】本文探讨了AI在体育训练中的应用,特别是在运动表现分析方面。通过数据收集与处理、深度分析与挖掘、实时反馈与调整三个环节,AI为运动员和教练提供了高效、个性化的训练计划和比赛策略,显著提升了训练效率和比赛成绩。未来,AI将在数据隐私、情感理解及跨学科合作等方面继续发展,为体育事业带来更多可能性。
|
2月前
|
人工智能 自然语言处理 算法
几款宝藏级AI阅读工具推荐!论文分析、文档总结必备神器!
【10月更文挑战第8天】几款宝藏级AI阅读工具推荐!论文分析、文档总结必备神器!
144 1
几款宝藏级AI阅读工具推荐!论文分析、文档总结必备神器!
|
2月前
|
人工智能 监控 算法
AI大模型客户分析体验测评
该方案介绍了利用AI大模型进行客服对话分析的原理和优势,如智能化分析和数据驱动决策。然而,方案缺乏具体的技术细节和实施步骤,如模型选择和训练方法。部署过程中可能遇到的困惑包括CRM系统集成、数据安全和非结构化数据处理。示例代码具有较高的直接应用性,但仍需根据业务逻辑定制。方案能满足基本对话分析需求,但对复杂场景如多轮对话和情感分析,建议提供更多技术文档、行业预训练模型、增强模型可解释性和性能监控工具。
|
2月前
|
机器学习/深度学习 人工智能 搜索推荐
AI在医疗诊断中的应用与未来发展趋势分析
【10月更文挑战第9天】 本文深入探讨了人工智能(AI)在医疗诊断领域的现状及其应用,包括影像识别、临床数据处理及个性化治疗方案的制定。通过具体案例分析,展示了AI技术如何提高诊断准确性、缩短诊断时间,并减轻医生的工作负担。同时,本文还讨论了AI在医疗诊断中面临的伦理问题和法律障碍,以及解决这些问题的可能途径。最后,对AI在未来医疗行业中的发展潜力进行了展望,指出其在提升医疗服务质量和效率方面的巨大潜力。
268 2
|
2月前
|
机器学习/深度学习 人工智能 监控
AI与未来医疗:重塑健康产业的双刃剑随着科技的迅猛发展,人工智能(AI)正以前所未有的速度融入各行各业,其中医疗领域作为关系到人类生命健康的重要行业,自然也成为AI应用的焦点之一。本文将探讨AI在未来医疗中的潜力与挑战,分析其对健康产业可能带来的革命性变化。
在医疗领域,人工智能不仅仅是一种技术革新,更是一场关乎生死存亡的革命。从诊断到治疗,从后台数据分析到前端临床应用,AI正在全方位地改变传统医疗模式。然而,任何技术的发展都有其两面性,AI也不例外。本文通过深入分析,揭示AI在医疗领域的巨大潜力及其潜在风险,帮助读者更好地理解这一前沿技术对未来健康产业的影响。
|
4月前
|
人工智能 自然语言处理 搜索推荐
评测:AI客服接入钉钉与微信的对比分析
【8月更文第22天】随着人工智能技术的发展,越来越多的企业开始尝试将AI客服集成到自己的业务流程中。本文将基于《10分钟构建AI客服并应用到网站、钉钉或微信中》的解决方案,详细评测AI客服在钉钉和微信中的接入流程及实际应用效果,并结合个人体验分享一些心得。
9976 10
|
4月前
|
人工智能 自然语言处理 搜索推荐
【人工智能】人工智能(AI)、Web 3.0和元宇宙三者联系、应用及未来发展趋势的详细分析
人工智能(AI)、Web 3.0和元宇宙作为当前科技领域的热门话题,它们之间存在着紧密的联系,并在各自领域内展现出广泛的应用和未来的发展趋势。以下是对这三者联系、应用及未来发展趋势的详细分析
74 2
【人工智能】人工智能(AI)、Web 3.0和元宇宙三者联系、应用及未来发展趋势的详细分析
|
4月前
|
数据采集 人工智能 安全
AI大数据处理与分析实战--体育问卷分析
本文是关于使用AI进行大数据处理与分析的实战案例,详细记录了对深圳市义务教育阶段学校“每天一节体育课”网络问卷的分析过程,包括数据概览、交互Prompt、代码处理、年级和学校维度的深入分析,以及通过AI工具辅助得出的分析结果和结论。
|
4月前
|
人工智能 自然语言处理 小程序
【AI】Gemini:听说GPT-4你小子挺厉害
谷歌推出新AI模型Gemini Pro,支持中文并具备多模态处理能力,涵盖文本、图像、音频、视频和代码。本文通过五个问题对比Gemini Pro与ChatGPT-4的表现,包括绘画、数学题解答、成语解释、天气查询及奥运冠军名单。结果显示两者各有优势,Gemini Pro在成语解释和天气查询方面略胜一筹,而ChatGPT-4在绘画方面表现更好
55 0
【AI】Gemini:听说GPT-4你小子挺厉害
下一篇
DataWorks