推想医疗第四篇高被引论文：人工智能助力新冠肺炎胸部CT诊断

2022-03-22          编辑：刘军

近日,推想医疗与南开大学计算机科学学院媒体计算实验室合作发表于图像处理领域的顶级期刊IEEE Transactions on Image Processing(IF:10.856)的论文《An Explainable COVID-19 Diagnosis System by Joint Classification and Segmentation》入选ESI高被引论文。这也是推想医疗第四篇论文入选ESI“高被引论文”。论文研究了一个新的联合分类与分割系统(Joint Classification and Segmentation,JCS)来进行实时、可解释的COVID-19胸部CT诊断。

高被引论文(Highly Cited Paper),是指同一年同一个ESI 学科中发表的所有论文中引用次数排在前1%的论文。高被引论文不仅意味着相关研究成果在学术界的巨大影响力,通常也代表着研究的创新性较强,为其它学者的研究提供了应用基础。目前推想医疗的高被引论文共有4篇,涉及医学影像、计算机科学与人工智能、电子电气工程、内科学等不同学科领域。

控制新冠肺炎等流行病传播
       需要更高的效率

面对像新冠肺炎这样,在全球范围内短时间内大爆发并可能导致大面积继发感染的大流行病,仅通过逆转录聚合酶链式反应(RT-PCR)检测是远远不够的。一方面,疫情爆发初期的RT-PCR研发进度和可用性难以快速满足实际需求。另一方面,RT-PCR检测仅能用于分类判断,无法对肺部感染进行精准的量化分析和病程管理。

为了控制肺炎传播,医学影像被用作RT-PCR检测的重要补充工具,对早期诊断具有较高的敏感性。然而,胸部CT检测常常需要消耗大量时间,同时要求分析检测结果的放射科医生具有丰富的经验,从而能够及时识别潜在感染患者,但在传染病暴发期间,医生迫切需要AI工具来帮助其提高效率,减轻负担。

研发联合分类和分割系统
       实现可解释的新冠肺炎诊断

人工智能技术正在改变医学影像处理,自从ImageNet数据集放出,深度卷积神经网络(CNNs)已经成为图像分类任务的主力军,其性能也在不断提高。由于深度卷积神经网络(CNNs)强大的识别能力,深层CNN通常在大规模的数据集上进行训练以证明其不俗的能力。

为了训练用于COVID-19诊断的强CNN模型,研究团队不仅系统地构建了一个大规模的COVID-19分类与分割数据集,还开发了一个联合分类和分割(JCS)系统。在这个系统中,【可解释】分类模型确定了疑似患者是否为COVID-19阳性,并提供令人信服的视觉解释。为了提供互补的像素级预测,团队实现了一个分割模型去探查COVID-19患者CT图像中的细粒度病变区域;通过整合这两个模型,JCS系统得以为COVID-19提供信息丰富的诊断结果。

辅助医生迅速完成感染病例诊断
       迅速阻止疫情传播

JCS系统是在已建立的CT影像扫描诊断系统的基础上,重点提升了两个比较明显的短板,一是训练数据集的规模较小;二是已有的系统多是基于黑箱深度卷积神经网络(CNNs)进行分类,缺乏可解释的透明性。

而这篇论文中所提出的,是一种基于诊断系统的联合分类分割模型(JCS),并建立了一个包含标签级别【表明此人是否被感染】和像素级别的大规模数据集COVID-CS,用于训练我们的JCS系统来获取更好的诊断性能。下图则是具体展示了JCS诊断系统针对COVID-19的分类分割诊断图示。

JCS诊断系统针对COVID-19的分类分割诊断图示

从结果上来看,JCS诊断系统大大的简化并加速了放射科医生或其他医学专家的诊断过程。如下图所示,JCS系统仅需22s来判断一个感染病例,仅需1s来排除一个未感染病例。

JCS系统高效完成感染病例判断

在JCS系统的协助下,有经验的放射科医生仅需要55.4s判断一个感染病例,需1s来排除一个未感染病例,同时保持与纯人工相同的特异性和敏感性。在我们建立的COVID-CS数据集上,JCS系统对于新冠肺炎达到了95.0%的敏感度和93.0%的特异性,这些数据表明了JCS系统的优越性。

推想医疗作为领先的AI医疗科技公司,以临床需求为导向,在这个项目中,研究团队首先基于推想医疗InferScholar科研平台,实现对数据管理、标注及分析,并与南开大学合作高效完成了深度学习技术与建模方案。通过将分类模型和分割模型联合训练,同时采用了数据增强技术和图像混合技术来消除数据的偏差,最终提升了分类分割的总体性能。

JCS系统表现优越

2020年初武汉疫情爆发初期,研发团队借助推想医疗在武汉各大医院的系统部署优势,深入疫情最为严重的湖北省武汉市,第一时间将此前积累的CT影像智能识别技术部署应用于同济医院、中南医院、雷神山医院等,辅助医生快速诊断新冠肺炎,并在运行过程中不断优化新冠肺炎智能识别与定位性能。

在武汉疫情最为严重的时期,推想医疗智能肺炎筛查和辅助诊断系统有效地缓解了由于核酸检测能力与医护人员不足给医疗系统带来的压力。在国内疫情缓解之后,该系统又被应用于意大利、瑞士、德国、法国、西班牙等国家,并被包括CNN在内的海内外知名媒体关注报道。

当前,疫情防控形势依旧严峻,推想医疗作为科技抗疫的代表,正在为全国和全世界的医院和患者分忧解难。这次与南开大学研发的基于联合分类与分割的可解释性新冠肺炎筛查系统,通过实验能够切实地阻止COVID-19的迅速传播,极大提升放射科医生的诊断效率。未来,推想医疗将再接再厉,持续输出科技力量,为医疗民生作出更多贡献!