基于深度学习的新型冠状病毒肺炎CT征象检测研究

• 作者: 刘景鑫 张忠 王平 祖莅惠 胡博奇
• 来源期刊: 中国医疗设备
• 学科: 医学
• 关键词: 新型冠状病毒肺炎 深度学习 目标检测 放射诊断 CT征象检测
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 用科技筑牢疫情防控屏障
• 页码范围: 89-92
• 页数: 4页
• 分类号: R197.39|TP391
• 字数: 3787字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-1633.2020.06.023

摘要

放射诊断是新型冠状病毒肺炎(Coronavirus Disease 2019,COVID-19)诊疗过程中的重要环节,然而CT影像数据量较大,单个患者阅片耗时较长,为医生诊断带来巨大压力.本研究基于不同医院COVID-19患者的数据脱敏CT影像,通过深度学习的方法 学习样本病灶纹理,提出了一种基于时间空间序列卷积的图像检测模型.该模型能快速定位CT影像中病灶区域,并关联同一患者不同阶段CT影像,综合得到更准确的检测结果 .本文的研究可以提高COVID-19的初步诊断及鉴别诊断效率,可用于辅助临床诊断,为疾病控制做出贡献.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘景鑫		45	88	5.0	7.0
2	王平		37	166	8.0	11.0
3	祖莅惠		2	0	0.0	0.0
4	胡博奇		5	16	2.0	4.0
5	张忠		1	0	0.0	0.0