10.3969/j.issn.1008-9691.2020.03.005
基于人工智能的轻型输入性新型冠状病毒肺炎患者胸部CT的影像学分析
目的 初步探讨轻型输入性新型冠状病毒肺炎(简称新冠肺炎)患者的胸部CT影像学特点.方法 应用人工智能(AI)深度学习方法,对深圳市部分地区52例轻型输入性新冠肺炎患者的影像学特点及临床资料进行回顾性分析,同时由2名资深影像专业医师独立对每个图像结果进行分析及确认;总结人工阅片和AI胸部CT分析的特征,比较人工阅片与AI胸部CT分析特点的差异.结果 相比人工阅片,AI胸部CT分析能自动检测并标记感染区域,同时对感染区域进行量化分析.人工阅片结果显示,所有患者胸部CT均可见异常征象,75.00%(39/52)病变呈双肺散在分布,25.00%(13/52)病变呈单一肺叶或肺段分布,67.31%(35/52)病变多累及双肺下叶及胸膜下;73.07%(38/52)CT表现为磨玻璃密度影,38.46%(20/52)为斑片状渗出影,28.84%(15/52)为实变密度影,与AI胸部CT图像分析结果均一致.基于AI的胸部CT图像分析还显示,新冠肺炎病灶受累区域大多数为双肺下叶,感染体积〔右肺(mm3):54857.13±23978.90比46663.24±16898.62,左肺(mm3):34933.61±16400.66比2348.57±1241.08〕和感染比例〔右肺(%):7.19±5.40比6.15±2.13,左肺(%):3.24±1.62比0.19±0.11〕均高于上叶;受累肺段以右肺下叶后基底段感染体积最大〔(31439.84±27135.99)mm3〕,感染占比最高〔占(28.23±14.82)%〕.相比人工胸部CT阅片,联影AI(uAI)辅助分析系统可自动检测病变并标记为可视化.结论 应用AI深度学习方法与人工阅片方式在分析胸部CT总体特征及异常征象方面无明显差异.但基于AI的胸部CT图像分析可直接以具体数据形式显示病灶分布特征和大小;另外uAI辅助分析系统可自动检测并标记病变位置,使病变部位更加直观.
新型冠状病毒肺炎、轻型、输入性、胸部CT、人工智能
27
广东医科大学院校联合科研基金L2016016
2020-07-10(万方平台首次上网日期,不代表论文的发表时间)
共4页
275-278