創(chuàng)澤機(jī)器人
CHUANGZE ROBOT
當(dāng)前位置:首頁(yè) > 新聞資訊 > 機(jī)器人知識(shí) > AI在COVID-19診斷成像中的應(yīng)用

AI在COVID-19診斷成像中的應(yīng)用

來(lái)源:CAAI認(rèn)知系統(tǒng)與信息處理專(zhuān)委會(huì)     編輯:創(chuàng)澤   時(shí)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(yī)學(xué)成像,如X光和計(jì)算機(jī)斷層掃描(CT)在全球?qū)笴OVID-19中發(fā)揮了重要作用,而最近出現(xiàn)的人工智能(AI)技術(shù)進(jìn)一步加強(qiáng)了成像工具的力量。人工智能技術(shù)支持的圖像采集可以顯著幫助掃描過(guò)程實(shí)現(xiàn)自動(dòng)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(shù)人員提供最佳保護(hù)。此外,人工智能技術(shù)可以通過(guò)在X光和CT圖像中準(zhǔn)確描繪感染來(lái)提高工作效率,便于后續(xù)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(duì)比說(shuō)明AI成像工作流在醫(yī)學(xué)影像中的優(yōu)勢(shì),針對(duì)COVID-19具體介紹了AI在數(shù)據(jù)采集、分割和診斷中的應(yīng)用,最后提出AI在醫(yī)學(xué)影像應(yīng)用上存在的問(wèn)題和展望。


1、AI成像工作流在醫(yī)學(xué)影像中的優(yōu)勢(shì)

傳統(tǒng)成像工作流程:胸部X光和CT廣泛用于COVID-19 的篩查和診斷。在COVID-19大流行期間,采用非接觸式自動(dòng)圖像采集工作流程以避免感染的嚴(yán)重風(fēng)險(xiǎn)非常重要。然而,傳統(tǒng)的成像工作流程包括技術(shù)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(shù)人員首先根據(jù)給定的方案幫助患者擺姿勢(shì),隨后在視覺(jué)上識(shí)別患者身上的目標(biāo)身體部位位置,并手動(dòng)調(diào)整患者和X射線管之間的相對(duì)位置和姿勢(shì)。這一過(guò)程使技術(shù)人員與患者密切接觸,導(dǎo)致病毒暴露的高風(fēng)險(xiǎn)。因此,需要非接觸式和自動(dòng)化的成像工作流程來(lái)最小化接觸。

人工智能成像工作流程:許多現(xiàn)代的X光和CT系統(tǒng)都配備了用于病人監(jiān)護(hù)的攝像機(jī)。在COVID-19爆發(fā)期間,這些設(shè)備促進(jìn)了非接觸掃描工作流程的實(shí)施。技術(shù)人員可以通過(guò)攝像機(jī)的實(shí)時(shí)視頻流從控制室監(jiān)控病人。在這種情況下,人工智能能夠通過(guò)從視覺(jué)傳感器獲取的數(shù)據(jù)中識(shí)別患者的姿勢(shì)和形狀來(lái)自動(dòng)執(zhí)行操作,以確定最佳掃描參數(shù)。這樣的自動(dòng)化工作流程可以顯著提高掃描效率并減少不必要的輻射暴露。一個(gè)顯著的例子是基于由可視人工智能技術(shù)支持的移動(dòng)CT平臺(tái)自動(dòng)掃描工作流,如圖1(a)所示。移動(dòng)平臺(tái)完全獨(dú)立,帶有基于人工智能的預(yù)掃描和診斷系統(tǒng)。它被重新設(shè)計(jì)成一個(gè)完全隔離的掃描室和控制室,以避免技術(shù)人員和患者之間不必要的互動(dòng)。進(jìn)入掃描室后,通過(guò)視覺(jué)和聽(tīng)覺(jué)提示,指示患者在病床上擺好姿勢(shì)(圖1(b))。技術(shù)人員可以通過(guò)窗戶觀察,也可以通過(guò)掃描室內(nèi)安裝在天花板上的人工智能攝像機(jī)傳輸?shù)膶?shí)時(shí)視頻,并在必要時(shí)校正病人的姿勢(shì)(圖1(c))。患者定位算法將從用照相機(jī)[1]捕獲的圖像中自動(dòng)恢復(fù)患者的3D姿態(tài)和完全重建的網(wǎng)格。基于3D網(wǎng)格,患者目標(biāo)身體部分的掃描范圍和3D中心線都被估計(jì)并轉(zhuǎn)換成控制信號(hào)和優(yōu)化的掃描參數(shù),以供技術(shù)人員驗(yàn)證。一旦核實(shí),病床將自動(dòng)對(duì)準(zhǔn)ISO中心,并移入掃描架進(jìn)行掃描。采集到CT圖像后,將對(duì)其進(jìn)行處理和分析,以便進(jìn)行篩查和診斷。2、AI圖像增強(qiáng)在COVID-19中的具體應(yīng)用

AI圖像處理在COVID-19治療中具體作用在于:針對(duì)提供的圖像材料(形式可以是CT,X光),利用機(jī)器學(xué)習(xí)算法對(duì)圖像進(jìn)行處理,給出1.劃分出肺部區(qū)域和損傷區(qū)域;2.診斷是否為新冠肺炎患者;3.提供有助于醫(yī)護(hù)人員作治療方案決策的量化參數(shù)。


2.1 區(qū)域劃分

此環(huán)節(jié)的作用在于,對(duì)疑似患者肺部區(qū)域拍攝而得到的圖像進(jìn)行預(yù)處理,以提供后續(xù)操作。實(shí)施層面,此環(huán)節(jié)包含兩部分工作:肺部區(qū)域劃分和損傷區(qū)域。表1是一些圖像劃分在COVID-19應(yīng)用中的研究匯總。



表1 圖像劃分在COVID-19中的應(yīng)用

以肺區(qū)域?yàn)閷?dǎo)向的方法旨在將肺區(qū)域,即整個(gè)肺和肺葉,與CT或X射線中的其他(背景)區(qū)域分開(kāi),這被認(rèn)為是一個(gè)必要的步驟,在COVID-19的篩查中[3-10]。例如,Jin等人[2]提出了一種用于CT圖像中COVID-19篩查的兩級(jí)管道,其中整個(gè)肺區(qū)域首先由一個(gè)基于UNet++的分割網(wǎng)絡(luò)有效分割出來(lái)。

 

以面向肺損傷的方法旨在將肺中的病變(或金屬和運(yùn)動(dòng)偽影)從肺區(qū)分離出來(lái)。因?yàn)椴∽兓蚪Y(jié)節(jié)可能很小,有多種形狀和紋理,定位病變或結(jié)節(jié)的區(qū)域是必需的,通常被認(rèn)為是一項(xiàng)具有挑戰(zhàn)性的檢測(cè)任務(wù)。值得注意的是,除了分割外,在篩選中,注意機(jī)制也被認(rèn)為是有效的定位方法。

 

2.2 COVID-19的診斷

對(duì)COVID-19的診斷本質(zhì)上是一個(gè)分類(lèi)問(wèn)題,通常的分類(lèi)結(jié)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(lèi)研究。


納林等人[11]提出了三種不同的深度學(xué)習(xí)模型,即ResNet50、InceptionV3和Inception-ResNetV2,以檢測(cè)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(shù)據(jù)集[12]和Kaggle的胸部X射線圖像(肺炎)也被用來(lái)形成數(shù)據(jù)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(píng)價(jià)結(jié)果表明,ResNet50模型具有最高的分類(lèi)性能,準(zhǔn)確率為98.0%,而InceptionV3的準(zhǔn)確率為97.0%,Inception-ResNetV2的準(zhǔn)確率為87%。

 

2.3 量化參數(shù)

由于目前的大部分工作集中在COVID-19的預(yù)診斷上,我們注意到研究COVID-19的后續(xù)工作仍然非常有限。只有很少的嘗試,據(jù)我們所知。例如,上海聯(lián)合成像智能(UII)的研究人員試圖使用基于機(jī)器學(xué)習(xí)的方法和可視化技術(shù)來(lái)演示變化患者感染區(qū)域的體積大小、密度等臨床相關(guān)因素。之后,將自動(dòng)生成臨床報(bào)告,以將這些變化作為數(shù)據(jù)反映出來(lái)由臨床專(zhuān)家驅(qū)動(dòng)的指導(dǎo),以確定以下程序,見(jiàn)圖2。

 

3、問(wèn)題和展望

數(shù)據(jù)收集是COVID-19應(yīng)用程序開(kāi)發(fā)機(jī)器學(xué)習(xí)方法的第一步。盡管有大量的公共CT或X射線數(shù)據(jù)集用于肺部疾病,但X射線和CT掃描對(duì)COVID-19的應(yīng)用目前都還不廣泛,這阻礙了人工智能方法的研究和發(fā)展。Cohen等人從網(wǎng)站和出版物收集醫(yī)學(xué)圖像來(lái)創(chuàng)建COVID-19圖像數(shù)據(jù)收集,它目前包含123個(gè)正面視圖X射線。COVID-CT數(shù)據(jù)集是從700多份關(guān)于COVID-19的medRxiv和bioRxiv的預(yù)印文獻(xiàn)中收集來(lái)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(shù)據(jù)集還包含來(lái)自60例患者的100個(gè)軸向CT切片,以JPG圖像的方式展示?梢(jiàn)目前限制AI于COVID-19上應(yīng)用的主要問(wèn)題是缺乏大量、完整、可靠的數(shù)據(jù)集。

 

展望未來(lái),預(yù)計(jì)將有更多的人工智能應(yīng)用程序被納入圖像采集工作流程,以提高掃描質(zhì)量、減少病人的被輻射量。例如,需要更精確的基于人工智能的自動(dòng)化ISO中心和掃描范圍確定,以確保最佳的圖像質(zhì)量。此外,X射線曝光參數(shù)可以通過(guò)人工智能來(lái)推斷患者的身體區(qū)域厚度,自動(dòng)計(jì)算和優(yōu)化的,確保在掃描過(guò)程中使用正確的輻射量,這對(duì)于低劑量成像特別重要。






不完美場(chǎng)景下的神經(jīng)網(wǎng)絡(luò)訓(xùn)練方法

騰訊優(yōu)圖實(shí)驗(yàn)室高級(jí)研究員Louis在分享了自適應(yīng)缺陷數(shù)據(jù),業(yè)務(wù)場(chǎng)景下的神經(jīng)網(wǎng)絡(luò)訓(xùn)練方法

深度學(xué)習(xí)的可解釋性研究(一)— 讓模型具備說(shuō)人話的能力

為決策樹(shù)模型是一個(gè)具有比較好的可解釋性的模型,以決策樹(shù)為代表的規(guī)則模型在可解釋性研究方面起到了非常關(guān)鍵的作用

深度學(xué)習(xí)的可解釋性研究(二)——不如打開(kāi)箱子看一看

神經(jīng)網(wǎng)絡(luò)模型本身其實(shí)并不是一個(gè)黑箱,其黑箱性在于我們沒(méi)辦法用人類(lèi)可以理解的方式理解模型的具體含義和行為

深度學(xué)習(xí)的可解釋性研究(三)——是誰(shuí)在撩動(dòng)琴弦

神經(jīng)網(wǎng)絡(luò)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(lái)檢驗(yàn)輸入屬性變量對(duì)模型的影響程度,樣本敏感性分析用來(lái)研究具體樣本對(duì)模型的重要程度

大阪大學(xué)胡正濤博士(萬(wàn)偉偉老師團(tuán)隊(duì))為機(jī)器人開(kāi)發(fā)通用工具解決復(fù)雜變種變量的操作任務(wù)

通過(guò)機(jī)械機(jī)構(gòu)實(shí)現(xiàn)機(jī)械手到工具的動(dòng)力傳遞,無(wú)需外部控制及供能,對(duì)機(jī)器人的避障路徑規(guī)劃影響極小

醫(yī)院候診區(qū)流感性疾病的非接觸式綜合檢測(cè)平臺(tái)

非接觸式檢測(cè)平臺(tái)FluSense由麥克風(fēng)陣列和熱成像攝像機(jī)組成,用于捕捉不同的候診室人群行為,包括咳嗽和語(yǔ)言活動(dòng)以及候診室病人數(shù)量

用于微創(chuàng)手術(shù)的觸覺(jué)傳感器

應(yīng)用于MIS的觸覺(jué)傳感器主要是基于電學(xué)或光學(xué)原理開(kāi)發(fā)的,應(yīng)該是小尺寸和圓柱形的,可在導(dǎo)管的管身或尖端集成

用于微創(chuàng)手術(shù)的觸覺(jué)傳感器(二)

MIS 和RMIS觸覺(jué)傳感器最常用的傳感原理是基于電氣的傳感器。這些觸覺(jué)傳感器進(jìn)一步分為壓阻型、壓電型和電容型傳感器

如何創(chuàng)造可信的AI,這里有馬庫(kù)斯的11條建議

馬庫(kù)斯系統(tǒng)性地闡述了對(duì)當(dāng)前AI研究界的批判,從認(rèn)識(shí)科學(xué)領(lǐng)域中針對(duì)性地給出了11條可執(zhí)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(qiáng)的圖神經(jīng)網(wǎng)絡(luò)

記憶增強(qiáng)的圖神經(jīng)網(wǎng)絡(luò)對(duì)短期的商品語(yǔ)境信息建模,并使用共享的記憶網(wǎng)絡(luò)來(lái)捕捉商品之間的長(zhǎng)期依賴,對(duì)多個(gè)模型進(jìn)行了對(duì)比,在Top-K序列推薦中效果極佳

履約時(shí)間預(yù)估:如何讓外賣(mài)更快送達(dá)

外賣(mài)履約時(shí)間預(yù)估模型,預(yù)估的是從用戶下單開(kāi)始到騎手將餐品送達(dá)用戶手中所花的時(shí)間

多尺度圖卷積神經(jīng)網(wǎng)絡(luò):有效統(tǒng)一三維形狀離散化特征表示

解決了傳統(tǒng)圖卷積神經(jīng)網(wǎng)絡(luò)中圖節(jié)點(diǎn)學(xué)習(xí)到的特征對(duì)圖分辨率和連接關(guān)系敏感的問(wèn)題,可以實(shí)現(xiàn)在低分辨率的三維形狀上學(xué)習(xí)特征,在高低分辨率形狀之上進(jìn)行測(cè)試,并且保持不同分辨率特征的一致性
資料獲取
機(jī)器人知識(shí)
== 最新資訊 ==
ChatGPT:又一個(gè)“人形機(jī)器人”主題
ChatGPT快速流行,重構(gòu) AI 商業(yè)
中國(guó)機(jī)器視覺(jué)產(chǎn)業(yè)方面的政策
中國(guó)機(jī)器視覺(jué)產(chǎn)業(yè)聚焦于中國(guó)東部沿海地區(qū)(
從CHAT-GPT到生成式AI:人工智能
工信部等十七部門(mén)印發(fā)《機(jī)器人+應(yīng)用行動(dòng)實(shí)
全球人工智能企業(yè)市值/估值 TOP20
創(chuàng)澤智能機(jī)器人集團(tuán)股份有限公司第十一期上
諧波減速器和RV減速器比較
機(jī)器人減速器:諧波減速器和RV減速器
人形機(jī)器人技術(shù)難點(diǎn) 高精尖技術(shù)的綜合
機(jī)器人大規(guī)模商用面臨的痛點(diǎn)有四個(gè)方面
青島市機(jī)器人產(chǎn)業(yè)概況:機(jī)器人企業(yè)多布局在
六大機(jī)器人產(chǎn)業(yè)集群的特點(diǎn)
機(jī)械臂-高度非線性強(qiáng)耦合的復(fù)雜系統(tǒng)
== 機(jī)器人推薦 ==
迎賓講解服務(wù)機(jī)器人

服務(wù)機(jī)器人(迎賓、講解、導(dǎo)診...)

智能消毒機(jī)器人

智能消毒機(jī)器人

機(jī)器人開(kāi)發(fā)平臺(tái)

機(jī)器人開(kāi)發(fā)平臺(tái)


機(jī)器人招商 Disinfection Robot 機(jī)器人公司 機(jī)器人應(yīng)用 智能醫(yī)療 物聯(lián)網(wǎng) 機(jī)器人排名 機(jī)器人企業(yè) 機(jī)器人政策 教育機(jī)器人 迎賓機(jī)器人 機(jī)器人開(kāi)發(fā) 獨(dú)角獸 消毒機(jī)器人品牌 消毒機(jī)器人 合理用藥 地圖
版權(quán)所有 創(chuàng)澤智能機(jī)器人集團(tuán)股份有限公司 中國(guó)運(yùn)營(yíng)中心:北京 清華科技園九號(hào)樓5層 中國(guó)生產(chǎn)中心:山東日照太原路71號(hào)
銷(xiāo)售1:4006-935-088 銷(xiāo)售2:4006-937-088 客服電話: 4008-128-728