服務機器人
 
  當前位置:首頁 > 新聞資訊 > 機器人知識 > AI在COVID-19診斷成像中的應用  
 

AI在COVID-19診斷成像中的應用

來源:CAAI認知係統與信息處理專委會      編輯:創澤      時間:2020/5/30      主題:其他   [加盟]
2019年冠狀病毒(COVID-19)正在全球蔓延。醫學成像,如X光和計算機斷層掃描(CT)在全球對抗COVID-19中發揮了重要作用,而最近出現的人工智能(AI)技術進一步加強了成像工具的力量。人工智能技術支持的圖像采集可以顯著幫助掃描過程實現自動化,還可以重塑工作流程,最大限度地減少與患者的接觸,為成像技術人員提供最佳保護。此外,人工智能技術可以通過在X光和CT圖像中準確描繪感染來提高工作效率,便於後續的量化。近期IEEE Reviews in Biomedical Engineering刊登了“Reviewof Artificial Intelligence Techniques in Imaging Data Acquisition, Segmentation and Diagnosis for COVID-19”的綜述論文,對比說明AI成像工作流在醫學影像中的優勢,針對COVID-19具體介紹了AI在數據采集、分割和診斷中的應用,最後提出AI在醫學影像應用上存在的問題和展望。


1、AI成像工作流在醫學影像中的優勢

傳統成像工作流程:胸部X光和CT廣泛用於COVID-19 的篩查和診斷。在COVID-19大流行期間,采用非接觸式自動圖像采集工作流程以避免感染的嚴重風險非常重要。然而,傳統的成像工作流程包括技術人員和患者之間不可避免的接觸。特別地,在患者定位中,技術人員首先根據給定的方案幫助患者擺姿勢,隨後在視覺上識別患者身上的目標身體部位位置,並手動調整患者和X射線管之間的相對位置和姿勢。這一過程使技術人員與患者密切接觸,導致病毒暴露的高風險。因此,需要非接觸式和自動化的成像工作流程來最小化接觸。

人工智能成像工作流程:許多現代的X光和CT係統都配備了用於病人監護的攝像機。在COVID-19爆發期間,這些設備促進了非接觸掃描工作流程的實施。技術人員可以通過攝像機的實時視頻流從控製室監控病人。在這種情況下,人工智能能夠通過從視覺傳感器獲取的數據中識別患者的姿勢和形狀來自動執行操作,以確定最佳掃描參數。這樣的自動化工作流程可以顯著提高掃描效率並減少不必要的輻射暴露。一個顯著的例子是基於由可視人工智能技術支持的移動CT平台自動掃描工作流,如圖1(a)所示。移動平台完全獨立,帶有基於人工智能的預掃描和診斷係統。它被重新設計成一個完全隔離的掃描室和控製室,以避免技術人員和患者之間不必要的互動。進入掃描室後,通過視覺和聽覺提示,指示患者在病床上擺好姿勢(圖1(b))。技術人員可以通過窗戶觀察,也可以通過掃描室內安裝在天花板上的人工智能攝像機傳輸的實時視頻,並在必要時校正病人的姿勢(圖1(c))。患者定位算法將從用照相機[1]捕獲的圖像中自動恢複患者的3D姿態和完全重建的網格。基於3D網格,患者目標身體部分的掃描範圍和3D中心線都被估計並轉換成控製信號和優化的掃描參數,以供技術人員驗證。一旦核實,病床將自動對準ISO中心,並移入掃描架進行掃描。采集到CT圖像後,將對其進行處理和分析,以便進行篩查和診斷。2、AI圖像增強在COVID-19中的具體應用

AI圖像處理在COVID-19治療中具體作用在於:針對提供的圖像材料(形式可以是CT,X光),利用機器學習算法對圖像進行處理,給出1.劃分出肺部區域和損傷區域;2.診斷是否為新冠肺炎患者;3.提供有助於醫護人員作治療方案決策的量化參數。


2.1 區域劃分

此環節的作用在於,對疑似患者肺部區域拍攝而得到的圖像進行預處理,以提供後續操作。實施層麵,此環節包含兩部分工作:肺部區域劃分和損傷區域。表1是一些圖像劃分在COVID-19應用中的研究彙總。



表1 圖像劃分在COVID-19中的應用

以肺區域為導向的方法旨在將肺區域,即整個肺和肺葉,與CT或X射線中的其他(背景)區域分開,這被認為是一個必要的步驟,在COVID-19的篩查中[3-10]。例如,Jin等人[2]提出了一種用於CT圖像中COVID-19篩查的兩級管道,其中整個肺區域首先由一個基於UNet++的分割網絡有效分割出來。

 

以麵向肺損傷的方法旨在將肺中的病變(或金屬和運動偽影)從肺區分離出來。因為病變或結節可能很小,有多種形狀和紋理,定位病變或結節的區域是必需的,通常被認為是一項具有挑戰性的檢測任務。值得注意的是,除了分割外,在篩選中,注意機製也被認為是有效的定位方法。

 

2.2 COVID-19的診斷

對COVID-19的診斷本質上是一個分類問題,通常的分類結果有三:非肺炎,非新冠肺炎和新冠肺炎。表2是一些COVID-19的分類研究。


納林等人[11]提出了三種不同的深度學習模型,即ResNet50、InceptionV3和Inception-ResNetV2,以檢測X射線圖像中的COVID-19感染情況。值得注意的是,在本研究中,ID-19數據集[12]和Kaggle的胸部X射線圖像(肺炎)也被用來形成數據集。50例COVID-19患者的胸部X線圖像和50例正常胸部X線圖像。評價結果表明,ResNet50模型具有最高的分類性能,準確率為98.0%,而InceptionV3的準確率為97.0%,Inception-ResNetV2的準確率為87%。

 

2.3 量化參數

由於目前的大部分工作集中在COVID-19的預診斷上,我們注意到研究COVID-19的後續工作仍然非常有限。隻有很少的嚐試,據我們所知。例如,上海聯合成像智能(UII)的研究人員試圖使用基於機器學習的方法和可視化技術來演示變化患者感染區域的體積大小、密度等臨床相關因素。之後,將自動生成臨床報告,以將這些變化作為數據反映出來由臨床專家驅動的指導,以確定以下程序,見圖2。

 

3、問題和展望

數據收集是COVID-19應用程序開發機器學習方法的第一步。盡管有大量的公共CT或X射線數據集用於肺部疾病,但X射線和CT掃描對COVID-19的應用目前都還不廣泛,這阻礙了人工智能方法的研究和發展。Cohen等人從網站和出版物收集醫學圖像來創建COVID-19圖像數據收集,它目前包含123個正麵視圖X射線。COVID-CT數據集是從700多份關於COVID-19的medRxiv和bioRxiv的預印文獻中收集來的,包括288張確診COVID-19患者的CT切片和10例確診COVID-19病例的三維CT圖像。此外,COVID-19CT分割數據集還包含來自60例患者的100個軸向CT切片,以JPG圖像的方式展示。可見目前限製AI於COVID-19上應用的主要問題是缺乏大量、完整、可靠的數據集。

 

展望未來,預計將有更多的人工智能應用程序被納入圖像采集工作流程,以提高掃描質量、減少病人的被輻射量。例如,需要更精確的基於人工智能的自動化ISO中心和掃描範圍確定,以確保最佳的圖像質量。此外,X射線曝光參數可以通過人工智能來推斷患者的身體區域厚度,自動計算和優化的,確保在掃描過程中使用正確的輻射量,這對於低劑量成像特別重要。



創澤智能機器人
創澤智能機器人
中國智能服務機器人領軍企業,涵蓋商用、家庭、特種等多用途的智能機器人產品體係,十幾年行業應用解決方案提供商
  



不完美場景下的神經網絡訓練方法

騰訊優圖實驗室高級研究員Louis在分享了自適應缺陷數據,業務場景下的神經網絡訓練方法

深度學習的可解釋性研究(一)— 讓模型具備說人話的能力

為決策樹模型是一個具有比較好的可解釋性的模型,以決策樹為代表的規則模型在可解釋性研究方麵起到了非常關鍵的作用

深度學習的可解釋性研究(二)——不如打開箱子看一看

神經網絡模型本身其實並不是一個黑箱,其黑箱性在於我們沒辦法用人類可以理解的方式理解模型的具體含義和行為

深度學習的可解釋性研究(三)——是誰在撩動琴弦

神經網絡的敏感性分析方法可以分為變量敏感性分析、樣本敏感性分析兩種,變量敏感性分析用來檢驗輸入屬性變量對模型的影響程度,樣本敏感性分析用來研究具體樣本對模型的重要程度

大阪大學胡正濤博士(萬偉偉老師團隊)為機器人開發通用工具解決複雜變種變量的操作任務

通過機械機構實現機械手到工具的動力傳遞,無需外部控製及供能,對機器人的避障路徑規劃影響極小

醫院候診區流感性疾病的非接觸式綜合檢測平台

非接觸式檢測平台FluSense由麥克風陣列和熱成像攝像機組成,用於捕捉不同的候診室人群行為,包括咳嗽和語言活動以及候診室病人數量

用於微創手術的觸覺傳感器

應用於MIS的觸覺傳感器主要是基於電學或光學原理開發的,應該是小尺寸和圓柱形的,可在導管的管身或尖端集成

用於微創手術的觸覺傳感器(二)

MIS 和RMIS觸覺傳感器最常用的傳感原理是基於電氣的傳感器。這些觸覺傳感器進一步分為壓阻型、壓電型和電容型傳感器

如何創造可信的AI,這裏有馬庫斯的11條建議

馬庫斯係統性地闡述了對當前AI研究界的批判,從認識科學領域中針對性地給出了11條可執行的建議

性能超越最新序列推薦模型,華為諾亞方舟提出記憶增強的圖神經網絡

記憶增強的圖神經網絡對短期的商品語境信息建模,並使用共享的記憶網絡來捕捉商品之間的長期依賴,對多個模型進行了對比,在Top-K序列推薦中效果極佳

履約時間預估:如何讓外賣更快送達

外賣履約時間預估模型,預估的是從用戶下單開始到騎手將餐品送達用戶手中所花的時間

多尺度圖卷積神經網絡:有效統一三維形狀離散化特征表示

解決了傳統圖卷積神經網絡中圖節點學習到的特征對圖分辨率和連接關係敏感的問題,可以實現在低分辨率的三維形狀上學習特征,在高低分辨率形狀之上進行測試,並且保持不同分辨率特征的一致性
 
資料獲取
新聞資訊
== 最新資訊 ==
» 國標《智慧城市 智慧多功能杆 服務功能與
» 人工智能之數據挖掘2020年第9期
» 噴霧消毒殺菌機器人
» 中國通信學會發布《全球人工智能基礎設施戰
» 創澤集團受邀參加工信部 AI 精準賦能中
» 人工智能案例 依圖科技:不斷崛起的AI
» 2020年麵向人工智能新基建的知識圖譜行
» 破解AI工程化難題,AI中台助力企業智能
» 淺析我國消防機器人發展現狀與趨勢 | 山
» 【華為出品】智能體白皮書2020
» “先行示範•智贏未來” 創澤
» 創澤集團牽頭起草的全國首個《應用於滅菌消
» 創澤集團智能機器人新品發布會!多款自主研
» AIIA2020人工智能開發者大會開幕
» 人工智能人才發展報告:亞太地區創新與招聘
 
== 機器人推薦 ==
 
迎賓講解服務機器人

服務機器人(迎賓、講解、導診...)

智能消毒機器人

智能消毒機器人

安防巡檢機器人

安防巡檢機器人

人工智能垃圾站

人工智能垃圾站

 

機器人招商  Disinfection Robot   機器人公司  機器人應用  智能醫療  物聯網  機器人排名  機器人企業  機器人政策  教育機器人  迎賓機器人  機器人開發  獨角獸  消毒機器人品牌  消毒機器人  合理用藥  地圖 
版權所有 © 必威主頁     中國運營中心:北京·清華科技園九號樓5層     研發地址:山東日照太原路71號
銷售1:4006-935-088    銷售2:4006-937-088   客服電話: 4008-128-728

機器人
Baidu
map