CCF-GAIR 2020
您正在使用IE低版浏览器,为了您的雷锋网账号安全和更好的产品体验,强烈建议使用更快更安全的浏览器
此为临时链接,仅用于文章预览,将在时失效
未来医疗 正文
发私信给刘海涛
发送

0

科亚医疗新冠AI检测研究成果,被放射顶刊《Radiology》收录

本文作者:刘海涛 2020-03-20 13:07
导语:科亚医疗区分新冠肺炎与一般肺炎的“CT+AI”检测研究成果被放射顶刊《Radiology》收录。

雷锋网(公众号:雷锋网)消息,北京时间3月20日,科亚医疗区分新冠肺炎与一般肺炎的“CT+AI”检测研究成果,被国际顶级放射学期刊《Radiology》收录并发表,这是《Radiology》发表的首个新冠诊断评估论文。论文标题为《基于肺部CT的人工智能检测COVID-19和社区获得性肺炎:诊断准确性评估》

科亚医疗新冠AI检测研究成果,被放射顶刊《Radiology》收录

肺部CT异常是新冠肺炎最典型的影像学表现,部分患者肺部影像改变早于临床症状,CT已成为当前筛查与诊断新冠肺炎的主要手段。

在回顾性的多中心研究中,科亚医疗采用深度学习技术,开发新冠肺炎的3D检测神经网络—COVNet(如图1所示),从肺部CT中提取各类影像特征鉴别新冠肺炎。

科亚医疗新冠AI检测研究成果,被放射顶刊《Radiology》收录

 图1. 新冠肺炎检测神经网络COVNet框架图

(COVID-19:新冠肺炎;CAP:社区获得性肺炎;Non-Pneumonia:其他非肺炎)

为开发和验证该模型的准确性和稳健性,此次研究在六家医院收集了从2016年8月至2020年2月间共计3322名患者的4356例CT数据,其中包括新冠肺炎、社区获得性肺炎(非新冠)、以及其他非肺炎患者的CT检查数据。

在独立测试集中验证表明,科亚医疗研发的COVNet对新冠肺炎的鉴别灵敏度和特异性分别高达89.76%和95.77%,ROC(受试者工作特征)曲线下面积AUC为0.96。

同时,科亚医疗验证了模型对社区获得性肺炎的鉴别准确性(灵敏度86.85%,特异性92.28%,AUC为0.95)。研究结果证明了COVNet可以准确地检测出新冠肺炎,并将其与社区获得性肺炎和其他肺部疾病区分开。

为了提高模型的可解释性,科亚医疗的研究团队基于加权梯度类激活映射方法,来可视化导致深度学习模型COVNet做出决策的重要区域(由模型自动生成)。

科亚医疗新冠AI检测研究成果,被放射顶刊《Radiology》收录

图2.新冠肺炎、社区获得性肺炎、及非肺炎病例CT的可疑区域热图。

COVNet做出了决策的重要区域热图,a、b、c列分别展示了新冠肺炎、社区获得性肺炎、其他非肺炎数据的CT图(上)和可疑区域热图(下)。这些热图表明,COVNet最为关注异常区域,同时正确地忽略正常区域,以帮助算法框架识别出病灶区域并做出准确的疾病鉴别。

雷锋网原创文章,未经授权禁止转载。详情见转载须知

分享:
相关文章

文章点评:

表情
最新文章
请填写申请人资料
姓名
电话
邮箱
微信号
作品链接
个人简介
为了您的账户安全,请验证邮箱
您的邮箱还未验证,完成可获20积分哟!
请验证您的邮箱
立即验证
完善账号信息
您的账号已经绑定,现在您可以设置密码以方便用邮箱登录
立即设置 以后再说