人工智能辅助诊断系统在新型冠状病毒肺炎诊断中的初步应用

• 作者: 向子云 周雯 成官迅 赵双全 邓灵波
• 来源期刊: 中国医学物理学杂志
• 关键词: 新型冠状病毒肺炎 X线计算机体层摄影术 人工智能 辅助诊断
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 医学人工智能
• 页码范围: 1604-1608
• 页数: 5页
• 分类号: R318|R563.1
• 语种: 中文
• DOI: 10.3969/j.issn.1005-202X.2020.12.025

摘要

目的:评估人工智能(AI)辅助诊断系统对新型冠状病毒肺炎(NCIP)的诊断价值.方法:回顾性分析26例NCIP患者的临床资料与CT图像.利用AI系统新冠肺炎诊断模块自动识别肺炎病变的数量、测量病变体积、计算病变体积所占肺叶的百分比,得出病变的疑似新冠肺炎的概率.评估该AI系统识别病变数量的准确性和病变范围的准确性.结果:26例NCIP患者AI自动检测出215处病变,其中76.9％(20/26)的患者AI识别的病变数量高于医生评估的数量.23.1％(6/26)的患者病变体积小于10 cm3,38.5％(10/26)的患者病变体积为10～100 cm3,38.5％(10/26)的患者病变体积大于100 cm3.57.7％(15/26)的患者病变体积百分比小于10％,23.1％(6/26)的患者体积百分比为10％～25％,15.4％(4/26)的患者体积百分比为25％～50％,3.8％(1/26)的患者体积百分比大于50％.34.6％(9/26)的患者NCIP的疑似概率大于50％,其中仅11.5％(3/26)的患者疑似概率为99％,65.4％(17/26)的患者疑似概率小于25％.61.5％(16/26)的患者肺部一些较小的病变未被AI识别,38.5％(10/26)的患者两个相邻病变识别为同一病变,42.3％(11/26)的患者肺部伪影被识别为病变,61.5％(16/26)的患者肺部正常结构被识别为病变,30.8％(8/26)的患者肺内的一些其他病灶被识别为NCIP病变,46.2％(12/26)的患者小病灶被识别为肺结节.88.5％(23/26)的患者部分病变边缘正常的肺组织被识别为病变;61.5％(16/26)的患者部分病变边缘未被识别为病变.结论:AI辅助诊断系统能迅速识别CT影像中的肺炎病变,并进行体积测量,给出NCIP的疑似概率,帮助医生快速识别高危人群,判断病情的严重程度以及疗效,节省时间和精力,达到精准防控的效果.