新型冠状病毒肺炎(COVID-19)医学影像AI诊断研究进展
2020年3月,世界卫生组织(World Health Organization,WHO)宣布新型冠状病毒肺炎(corona virus disease 2019,COVID-19)为世界大流行病,疫情的爆发给世界各地医疗系统带来巨大压力.现有的COVID-19诊断标准是核酸检测阳性,然而核酸检测假阴性率高达17%~25.5%,为避免漏诊,需要采用基于影像学的AI诊断方法筛查大量疑似病例,扼制疾病传播.本综述将回顾疫情爆发数月以来,基于医学影像的新冠肺炎AI辅助诊断的研究成果.首先介绍CT(computed tomography)和X光片的优缺点,以及COVID-19的放射学特征,然后对数据准备、图像分割和分类识别等AI诊断的关键步骤分别进行阐述,最后介绍COVID-19的跟踪和预后(预先对疾病后续发展过程及结果的判断和估计).本文还整理了部分公开的COVID-19相关数据集,并对数据标注不足的问题提供了弱监督学习和迁移学习等解决方案.实验验证,AI系统诊断COVID-19的敏感性达到97.4%,特异性达到92.2%,优于放射科医生的诊断结果.其中表现尤为突出的是基于语义分割网络检测COVID-19感染区域,由此可以定量分析感染率.AI系统可以辅助医生诊断和治疗COVID-19,提高放射科医生阅读X光片和CT的效率.
人工智能、新型冠状病毒肺炎(COVID-19)、图像分割、计算机辅助诊断、感染区域分割
25
TP(自动化技术、计算机技术)
国家自然科学基金项目;中央高校基本科研业务费专项资金项目
2020-11-30(万方平台首次上网日期,不代表论文的发表时间)
共10页
2058-2067