人工智能结（jié）合（hé）医学影像（xiàng）领域助力“狙击”疫情（qíng）

从春节前期武汉发现新（xīn）冠状病毒（dú）到（dào）现在（zài），已经（jīng）几个月过去了，我国（guó）疫情已（yǐ）经得（dé）到稳定控制，但是，新冠状病毒已经在全球各（gè）大地区（qū）蔓延，到目前为止（zhǐ），还在（zài）不断增加，感染的（de）国家在增加，感染人数也在不断增加，人数越来越（yuè）庞（páng）大。

控制疫情刻不（bú）容缓（huǎn），大规模的筛查和检（jiǎn）测是防控的关键：包括（kuò）X射线和CT在内（nèi）的医（yī）学影像技术在抗击疫情的过程中起到了至关重要的作用（yòng），而人工智能则大幅度提升了医（yī）学影（yǐng）像工具（jù）的（de）能力和效（xiào）率。来自上海联影、上海大学、剑桥（qiáo）大学等（děng）机构（gòu）的（de）研（yán）究人（rén）员对AI结合医学影像（xiàng）领域在疫情（qíng）中的应用进行了回（huí）顾和（hé）总结，从无接触数据采集、工作流程重塑和（hé）定（dìng）量医学影像分析等方面（miàn）进行了阐述，展现了AI在抗击疫（yì）情过（guò）程中不可或缺的重要作用。

基于医学影像的检测至关（guān）重要（yào）

目（mù）前全球报（bào）告的疫（yì）情感（gǎn）染者已（yǐ）经超过150万（wàn）人，而有效的大规模检测（cè）是防控疫情的关（guān）键所在。目前广泛使用的是（shì）逆转（zhuǎn）录聚合酶链反应（RT－PCR，核酸检测），借助生物工程的强大能力成为了我（wǒ）国在抗（kàng）击疫情中的（de）有力武器。但RT－PCR方法却在世界上很多（duō）国（guó）家面临检（jiǎn）测试剂不足、检测能力不（bú）足的困扰，同时还受（shòu）到质量问题的（de）影响。不仅如此，还有（yǒu）研究表明，实验（yàn）中（zhōng）存在（zài）着（zhe）较（jiào）高（gāo）的假（jiǎ）阴性率。

好在医务人员（yuán）在（zài）临（lín）床试验中利用的包括X和CT的医疗影像设备为肺炎的诊（zhěn）断提供（gòng）了有效帮助。我国（guó）的经验表明，如果（guǒ）在CT中观察（chá）到了肺部的相（xiàng）应（yīng）病理特征，很多病（bìng）例将会被认定为疑似病例，即使没有临（lín）床症状也要（yào）进行隔离（lí）。鉴于核酸检测（cè）的准确性仍待提高，疑似患者需要隔（gé）几天进行（háng）多次检测（cè）以（yǐ）确定诊断结果。这（zhè）时候，基于医（yī）学影像的手段在防控（kòng）病（bìng）毒传播的（de）过程中就发挥了（le）重要作用。

以胸部CT为例，基（jī）于医学影像的疫情诊（zhěn）断流程通（tōng）常包（bāo）括（kuò）三个阶段（duàn），即扫描（miáo）前准备（bèi）、医学影像获取和（hé）分析诊断。人工智（zhì）能作为医学（xué）影像领域（yù）的新兴技（jì）术（shù），与高度依赖（lài）人工的传（chuán）统成像（xiàng）工作流程相比，可提供更安全、准确、高效的成像（xiàng）解决方案。在接下来的（de）报告中，有用于疫情的智能（néng）医学影像平台和工（gōng）作流程中（zhōng）流行的机器学习方法，以及一些公开（kāi）可用的数据集。

人工智（zhì）能赋能（néng）无接触（chù）医学影像诊断（duàn）流程

医务人员在抗击疫（yì）情的过程中冲在了第一线（xiàn），采集医学影像的过程（chéng）中不可避（bì）免地要（yào）接触（chù）潜在患者。传统的成像（xiàng）过程中（zhōng），患者需要在医务（wù）人员的帮助（zhù）下（xià）调整（zhěng）和（hé）定位身（shēn）体，协助患者摆好合适的姿势，在密切接（jiē）触过程中（zhōng）暴露在病毒下（xià）的（de）风险很高（gāo）；相（xiàng）比之下，非接触（chù）式自动（dòng）成像工作流程可（kě）以（yǐ）将医患间的接触（chù）和感染风（fēng）险降低到最（zuì）小（xiǎo）。

目前很（hěn）多X光和CT设备都配（pèi）备了（le）用于监护患者的摄像头，它们为非接触式（shì）的（de）医学影像（xiàng）采集提供了（le）设备基础。工作人（rén）员可以利用（yòng）摄（shè）像头观察和指导（dǎo）患（huàn）者的（de）位姿。但仅凭（píng）摄像头的（de）2D视角，研究人员（yuán）无（wú）法有效（xiào）判（pàn）断需要（yào）的测量范围（wéi）和扫描参数。这时候基于AI的（de）方法（fǎ）可以识别（bié）出患者的姿势和形状，而在算法（fǎ）的帮助（zhù）下（xià），RGB相机TOF传（chuán）感器（qì）等就能提（tí）供患者的姿态（tài）信息，以帮助医生确（què）定（dìng）最佳扫描参数——例如从图（tú）像中检测患者身（shēn）体（tǐ）关键（jiàn）点，包括颈部、肩膀、肘（zhǒu）部、脚踝（huái）、手腕（wàn）和膝盖等等。

实践（jiàn）表明这（zhè）种方式可以有效减少不必要的（de）职业暴（bào）露。除了通过关（guān）键点和人（rén）体三维模型定义扫描（miáo）参数外，AI还可（kě）以对齐患（huàn）者与扫描中心、减小放射剂量（liàng）、提高成像质（zhì）量。此外，它还能使用基于参数化人（rén）体模型的方法来有效解决遮挡和关键点精度，有（yǒu）效推断出患者的（de）3D姿（zī）态。

更准确的人体定位和（hé）参数化测量使（shǐ）准确、无接触的医学影（yǐng）像检测成为可能。下图展示了无接触影像采集的例（lì）子：

这是（shì）典（diǎn）型的无接触扫（sǎo）描（miáo）流程（chéng），是基（jī）于（yú）移动CT平台在AI的帮（bāng）助下实（shí）现自动化无接触影像采（cǎi）集的流程（chéng）。其中（zhōng）扫（sǎo）描室和控制室完全独立，避免了医务人员与患者的（de）不必要接触，患者（zhě）则在工（gōng）作人员视觉（jiào）监测和声音指导下调整姿势。同时，基（jī）于3D位姿估算和（hé）AI得到的网格模（mó）型，也可以估计患者身体（tǐ）部位、扫描范围和中（zhōng）心线，从而转换为控制（zhì）信（xìn）号的扫描参（cān）数。当然必要的时候（hòu），技术人（rén）员（yuán）还可以（yǐ）对参数（shù）进（jìn）行调整（zhěng）。在参（cān）数（shù）得到验证后，CT将（jiāng）患者对准设（shè）备（bèi）ISO中心并移入CT龙门进行扫描。采集CT图像后，在算法（fǎ）的（de）辅助下，医务（wù）人员（yuán）将对其进行处理和分析，以（yǐ）进行（háng）筛（shāi）查和诊断。

AI赋（fù）能的医学（xué）影像处理

目标（biāo）检测和分割是（shì）肺炎检测中的必要步骤。医生需要对胸部（bù）医学影像中的目标区域（包括肺部、肺叶、支（zhī）气管（guǎn）等位置和感染、病变区（qū）域（yù）的定位等）进（jìn）行（háng）描（miáo）绘，以支撑（chēng）后续的定量评估。目（mù）前的技术主（zhǔ）要是基于U－Net及（jí）其（qí）变体模型进行（háng）目标区域分割。下表展示了（le）目前应用于COVID－19分割的（de）深（shēn）度学习方法：

针对肺部（bù）区域（yù）和肺部（bù）病变进行检测和分割是研究的重点：一方面需（xū）要（yào）从医（yī）学影像中（zhōng）分离出肺部区（qū）域，同时还需要从（cóng）肺部区域中分离出病变区（qū）域。目前主要报道（dào）的文献中使用了最（zuì）为经（jīng）典（diǎn）的U－Net架构（gòu）以及更为复杂的U－Net＋＋模型，还有包含残差结（jié）构（gòu）的V－Net和注（zhù）意（yì）力机制来（lái）获取更为（wéi）精细（xì）的肺部结构（gòu）和病变区域。

但另一个问题是（shì），训练强大（dà）的分割（gē）网络需要充足的（de）标记数据，而在疫情中，通常还无法获得充（chōng）分的标（biāo）记数据。为解决这一问题，研究人（rén）员将人类知识结合到了检测流（liú）程（chéng）中。有的学者将人类决策放入了训练VB－net模型的闭（bì）环中，加入了放射科医生的交互（hù）。还有研究人员利用放射科医（yī）生给出的初始种（zhǒng）子（zǐ）来辅助（zhù）U－Net识别感（gǎn）染区域。此外，还有人（rén）使用（yòng）了包括注（zhù）意力机制和弱（ruò）监督学习的（de）方（fāng）法来（lái）进行（háng）训练。

精确（què）的（de）感染区域分割可以对感染程度进行量化，让医生能更全面地了解（jiě）到有关患者病情（qíng）严重（chóng）程度的信息。同时（shí），提（tí）取肺部感（gǎn）染区域（yù）的特征也可对患者的住院时间和（hé）诊疗方案进行（háng）一（yī）定的辅助（zhù）预测。

AI辅助的诊断

在（zài）获得了有效的医学影像后，需要专家来对病人的病情进行诊断。但在（zài）流行病爆发的当下，医疗资源（yuán）的严重匮乏使得准（zhǔn）确高效的诊断变得困难。不（bú）仅由于诊断需要花费（fèi）大量时间，还因（yīn）为疫情（qíng）与其他肺炎的（de）相似表现需要医生具有丰富的经（jīng）验（yàn）和诊断能力。而AI则（zé）可以辅（fǔ）助医生（shēng）对病人病情进行判断，实现更高效、更准确的诊断。

X射线和CT影像都能为AI辅（fǔ）助诊断提供有效信息，其中（zhōng）包括X胸片中的异样、基于CT影像的新冠状病毒分（fèn）类以（yǐ）及（jí）与其他类似肺炎的区分，同（tóng）时还包括病情严重（chóng）性评估的辅助手段。下（xià）表展示（shì）了目前AI辅助诊断疫情的最新研（yán）究，涉及了病情分类、严重性评估等方面。

在AI辅助下，诊断的（de）精度（dù）和速度得以大幅提升，宝贵（guì）的医疗资（zī）源也（yě）可以得到有效利用。此外（wài），在病（bìng）程进展的后续研究，包括（kuò）肺部（bù）病变区域的变化与病程（chéng）的关系等方面，AI技术（shù）也为后续（xù）的治（zhì）疗以及（jí）疾病（bìng）规律的研究（jiū）提供了宝贵数据（jù）。

新冠状病毒的相关数据集

算法的开发（fā）和（hé）训（xùn）练离不开（kāi）数（shù）据的支撑

一下是COVID－19 CT分割数据集，包（bāo）含60位（wèi）患者的100个轴切（qiē）面数据。

虽然这（zhè）些数（shù）据的数量和（hé）质量都还远远不能满（mǎn）足AI算（suàn）法的需求，但（dàn）随着人（rén）们（men）对于疫情的认（rèn）识和数据的汇（huì）总整理（lǐ），相信更多的数据会源源不断的被整理开放出来。

在突如其来的新冠肺炎（yán）面前（qián），人工智（zhì）能在抗击疫情（qíng）中发挥出了重要的作用，也（yě）进一步显示了人工智能（néng）对于各个行业（yè）的重（chóng）要作用。相信拥有强有力（lì）的AI武器，我们将能更快的战胜病（bìng）魔，取得抗疫的（de）最终胜利！