科亚医疗新冠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-机器成精

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-机器成精

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-机器成精

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。

*文章为作者独立观点,不代表机器成精立场
相关文章
全球战疫急需新技术 医疗AI迎来爆发契机
全球战疫急需新技术 医疗AI迎来爆发契机
新氧斥资1亿元成立互联网医院
新氧斥资1亿元成立互联网医院
去欧洲,是医疗AI公司的好选择吗?
去欧洲,是医疗AI公司的好选择吗?
AI可以如何抗击新冠?WHO论文称这三大场景大有可为
AI可以如何抗击新冠?WHO论文称这三大场…
专访 | 网龙CEO熊立:用AI让因材施教成为现实
专访 | 网龙CEO熊立:用AI让因材施教成…
用AI来筛选新冠病毒抗体,靠谱吗?
用AI来筛选新冠病毒抗体,靠谱吗?
我还没有学会写个人说明!