人工智（zhì）能结合（hé）医（yī）学影像领域助力“狙击”疫情

从（cóng）春节前（qián）期武汉发现新（xīn）冠状病（bìng）毒到现在，已经几个月过去了，我国疫（yì）情已（yǐ）经（jīng）得到稳定控制，但是，新冠状（zhuàng）病毒（dú）已经在（zài）全球各大地区蔓延（yán），到（dào）目（mù）前（qián）为止（zhǐ），还在（zài）不断增加，感染的国家在增加，感染人（rén）数也在（zài）不断增加，人数（shù）越来（lái）越庞大。

控制（zhì）疫情刻不容缓，大规（guī）模的筛查和检测是防（fáng）控的（de）关（guān）键（jiàn）：包括X射（shè）线和CT在内的（de）医学影像技（jì）术在抗击疫情的过程中起到了（le）至关重要（yào）的作（zuò）用，而人工智能（néng）则大幅（fú）度提升了医学影像工具的能（néng）力和效率。来（lái）自上海联影、上海大学（xué）、剑（jiàn）桥大学等机构（gòu）的研究人（rén）员对AI结合医学影像领域在疫情中的应用进行了回顾和总结，从无接（jiē）触数据采集、工作流（liú）程重塑和定量医学影像分析等（děng）方面进（jìn）行了阐述，展（zhǎn）现了AI在抗击疫情（qíng）过程中不可或缺的重要作（zuò）用。

基于（yú）医学（xué）影像（xiàng）的检测（cè）至（zhì）关重要

目前全（quán）球（qiú）报告的疫情感染（rǎn）者已经超（chāo）过150万人，而有效的大规模检测是防控疫情的关键所在。目前广泛使用（yòng）的（de）是逆转录聚合酶链反应（RT－PCR，核酸检测），借助生物工程的强大能力（lì）成为了（le）我国（guó）在抗击疫情（qíng）中（zhōng）的（de）有（yǒu）力武器。但RT－PCR方法却在世界上很多国家面临检（jiǎn）测（cè）试（shì）剂不足、检测能（néng）力不足的（de）困（kùn）扰，同时还受到（dào）质量（liàng）问（wèn）题的影响。不仅如此，还有（yǒu）研究（jiū）表（biǎo）明，实验中存在着（zhe）较高的（de）假阴性率。

好在医（yī）务（wù）人（rén）员在临（lín）床试验中（zhōng）利用的包括X和CT的医疗影像设备为肺炎的诊（zhěn）断提供了有效帮助。我（wǒ）国的（de）经验表明，如（rú）果在CT中观察到了肺部的相应病理特征，很多病例将会被（bèi）认（rèn）定为疑似病例，即使没有临床症状（zhuàng）也（yě）要进行（háng）隔（gé）离。鉴（jiàn）于（yú）核酸检（jiǎn）测的准确性仍待提（tí）高，疑（yí）似患（huàn）者（zhě）需（xū）要隔（gé）几天（tiān）进行多次（cì）检测以确（què）定诊（zhěn）断（duàn）结（jié）果。这时候，基于医学影像的（de）手段在防控病毒传播（bō）的过程中就发（fā）挥了（le）重要（yào）作用。

以胸部CT为例，基于医学影像的疫情诊（zhěn）断（duàn）流程通常包括三个（gè）阶段，即（jí）扫描（miáo）前（qián）准备、医（yī）学影像获取和（hé）分（fèn）析诊（zhěn）断。人（rén）工智（zhì）能作为医学影像领域的新兴技术，与高度依赖人工的传统成像工作流程相比，可提供更安（ān）全、准确、高效的成（chéng）像解决方案。在接下（xià）来的报告（gào）中（zhōng），有用（yòng）于疫情的（de）智能医学影（yǐng）像平台和工（gōng）作流程中流行的机（jī）器（qì）学习方法，以及一些公开可（kě）用的（de）数据集。

人（rén）工智能赋能无（wú）接触医（yī）学影像诊断流程

医务人员在抗击疫情的过（guò）程中冲在了第一线，采集医（yī）学影像的过程中不（bú）可避免地要（yào）接触（chù）潜在患者。传统的成像过程中，患者（zhě）需要在医务人员的帮助（zhù）下（xià）调整和定位身体，协助患者摆好合适（shì）的姿势，在密切接触过程中暴露在病毒下的（de）风（fēng）险很高；相（xiàng）比之（zhī）下，非（fēi）接触式（shì）自（zì）动成像工作流程可以将（jiāng）医患间的接触和感染风险降低到最小。

目（mù）前（qián）很多X光和CT设备都配备了用于监护患（huàn）者（zhě）的（de）摄像头（tóu），它（tā）们为非接触式的医（yī）学影像采集提供了设备（bèi）基（jī）础。工作（zuò）人员可以利用摄像头观察和指导患者的位姿。但仅凭摄像头的2D视（shì）角（jiǎo），研究人员无法有效判断（duàn）需要（yào）的测量范围和扫（sǎo）描参数。这（zhè）时候基于AI的（de）方法可以（yǐ）识别出患（huàn）者的姿势和形（xíng）状，而（ér）在（zài）算法的（de）帮助（zhù）下，RGB相（xiàng）机TOF传（chuán）感器等就能提（tí）供患（huàn）者的姿态信息，以帮助医生确定最佳扫描参数——例（lì）如从（cóng）图像中检测（cè）患者身体（tǐ）关键点，包括颈部、肩膀、肘部、脚踝、手腕和膝盖等等。

实践表（biǎo）明（míng）这种（zhǒng）方（fāng）式可以有效减少不必要的职（zhí）业暴露。除了通过关（guān）键点和人体三维模（mó）型定义扫描参数外，AI还（hái）可以对齐患者与扫描中（zhōng）心、减小放（fàng）射剂量（liàng）、提高成（chéng）像质量。此外，它还能使用基于参数化人体（tǐ）模型的方法（fǎ）来有效解决遮挡和（hé）关键点精（jīng）度，有效推断出患者的3D姿态。

更准确（què）的（de）人体定位和参数化测量使准确、无（wú）接触（chù）的医学影像（xiàng）检测（cè）成（chéng）为可能（néng）。下图（tú）展示了无接触影（yǐng）像采集的例子：

这是典型的无（wú）接触扫（sǎo）描流（liú）程，是（shì）基于移（yí）动（dòng）CT平台在AI的帮助（zhù）下实现自动化无接（jiē）触影像采集的（de）流程。其中扫描室和控制室完全独（dú）立，避免了医（yī）务人员与患（huàn）者（zhě）的不必要接触，患者则在工作人员视觉监测和声音指导下调（diào）整姿势（shì）。同时，基于3D位（wèi）姿估算（suàn）和AI得到的网格模型，也可以估计患者身（shēn）体部位、扫描范围和中心线，从而转换为（wéi）控制信号的扫描参数。当然必要的时（shí）候，技术人员还可以（yǐ）对参数进（jìn）行调整（zhěng）。在参（cān）数得到验证后，CT将患者对（duì）准设备ISO中（zhōng）心并移入（rù）CT龙（lóng）门进行扫描。采（cǎi）集CT图（tú）像后（hòu），在算法的（de）辅助下，医（yī）务人员将对其进行处理和分析，以进行筛查和诊断。

AI赋（fù）能（néng）的医学影像处理（lǐ）

目标（biāo）检（jiǎn）测和（hé）分（fèn）割是肺炎检测中的必（bì）要步骤。医生（shēng）需要对胸部医学（xué）影像中（zhōng）的（de）目标区域（包（bāo）括肺部、肺叶、支气管等位置和（hé）感染、病变区域的（de）定位等）进行描绘，以支撑后续的定量评估。目前的（de）技术主要（yào）是（shì）基（jī）于U－Net及（jí）其变体模型进行目标区域（yù）分割。下表展示了目前应用于COVID－19分割（gē）的深度学习方法：

针对肺部（bù）区域和肺部病变（biàn）进行（háng）检测（cè）和（hé）分割是研究的重（chóng）点（diǎn）：一方面需要从医学影像中分（fèn）离（lí）出（chū）肺部区域，同（tóng）时（shí）还需要从肺（fèi）部区域中分离出病变区域。目前（qián）主要报道的文献中使用了最为经典的U－Net架（jià）构以及更为复杂的U－Net＋＋模型，还有包含残差结构的V－Net和注意力机（jī）制来获（huò）取更为精细的肺部（bù）结构（gòu）和病变（biàn）区域。

但另一个问（wèn）题是，训练强大的分割网（wǎng）络需要充足的（de）标记数据，而在（zài）疫情中，通常还无法（fǎ）获得充分（fèn）的标记数（shù）据。为解决这一问（wèn）题，研究人员将人类知识结合到了检测流程中。有的（de）学者将人类决策（cè）放入了训练VB－net模型的闭环中（zhōng），加入（rù）了放射科医（yī）生的（de）交互。还有研究（jiū）人员利用放射科医生给出的初（chū）始种子来（lái）辅助U－Net识别感染区域（yù）。此外，还（hái）有人使用了包括（kuò）注意力机制和弱监督学习的方法来进（jìn）行训练。

精确的感染区域分割可以对感染程度进行量化（huà），让（ràng）医生能更全面地了解到有关患者病情严重程度的信息。同时，提取肺部感染区域（yù）的特征也可对患者的住院时间和诊（zhěn）疗（liáo）方案进行一（yī）定的辅助预测。

AI辅助（zhù）的诊断

在获得了有效的医学影像（xiàng）后，需（xū）要专家来对病人（rén）的病情进行诊断。但在（zài）流行（háng）病爆发的当下，医疗资源（yuán）的严重（chóng）匮乏（fá）使得准确高效的诊断变得困难（nán）。不（bú）仅（jǐn）由于诊断需要花（huā）费大量时间，还因为（wéi）疫（yì）情（qíng）与其他肺炎的相似表现需要医（yī）生具有丰富的经验和诊断能力。而AI则可以辅助医生对（duì）病人病（bìng）情进行判断，实现（xiàn）更高（gāo）效、更准确的诊断。

X射线和CT影像（xiàng）都能为（wéi）AI辅助诊断提供有效信息（xī），其中包括X胸片中的（de）异样（yàng）、基于CT影像（xiàng）的新冠状病毒分类以（yǐ）及与其他类（lèi）似肺炎的区分，同时（shí）还包括病情严重性评估的辅助手段。下表展示了（le）目前AI辅助诊断疫情的最新研究，涉及了病情分类（lèi）、严（yán）重性（xìng）评估等方（fāng）面。

在AI辅助下（xià），诊断的精度和速（sù）度（dù）得以大幅提（tí）升，宝贵的医疗资源也可以得到有（yǒu）效利用。此外，在病（bìng）程进（jìn）展（zhǎn）的后（hòu）续研究，包括肺部病（bìng）变区（qū）域的变化与病程的（de）关系等方面（miàn），AI技术也为后续（xù）的治疗以及疾（jí）病规律的研究（jiū）提供了（le）宝贵数据。

新（xīn）冠（guàn）状病毒的相关数据集

算法的（de）开（kāi）发和训练离不开数据的支撑（chēng）

一下（xià）是COVID－19 CT分割数据集，包含（hán）60位患者的100个轴切面数据。

虽然这（zhè）些数据的数量和质量（liàng）都还远远不（bú）能满足AI算法的（de）需（xū）求，但随着人们对于疫情（qíng）的认识和数据的（de）汇总整理，相（xiàng）信更多的数据会源源不断（duàn）的被整理开（kāi）放出来。

在突如（rú）其来的新冠肺炎面（miàn）前（qián），人（rén）工（gōng）智能在抗击疫情中发挥出了重要的作用，也进（jìn）一（yī）步显示了人工智能对于各（gè）个行（háng）业的重要作用。相信（xìn）拥有强有力（lì）的AI武（wǔ）器，我们将能更快的战胜（shèng）病（bìng）魔，取得抗疫的最终（zhōng）胜利！