[發明專利]一種基于CT影像的多類別肺炎篩查深度學習裝置

有效

• 申請號: 202010875028.5
• 申請日: 2020-08-27
• 公開（公告）號: CN111986189B
• 公開（公告）日: 2022-12-27
• 發明（設計）人: 單飛;薛向陽;史維雅;錢學林;張志勇;施裕新;付彥偉
• 申請（專利權）人: 上海市公共衛生臨床中心;復旦大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/73;G06T7/11;G06T5/00;G16H30/40
• 代理公司: 上海德昭知識產權代理有限公司 31204
• 代理人: 盧泓宇

本發明提供一種基于CT影像的多類別肺炎篩查深度學習系統，包括：CT影像數據預處理部預處理CT影像得到預處理CT影像，切片級肺炎二分類部分析基礎深度特征得到二分類結果，弱監督病灶定位部根據類別標簽得到病灶位置圖，切片級肺炎四分類部對四類別肺炎檢測得到四類別肺炎分類任務結果；病例級肺炎分類部分析得到多類別肺炎分類任務結果；肺炎診斷綜合評估部基于切片級四分類類別結果、病灶位置圖以及病例級多類別肺炎分類任務結果輸出肺炎診斷綜合評估結果和病灶定位分布圖。因此本實施例除了能夠得到得出常見肺炎病癥以外，能夠在沒有醫護人員的前提下快速、準確地區分COVID?19與其他肺炎病癥，這對于關于COVID?19疫情的篩查工作具有幫助。

技術領域

本發明涉及一種基于CT影像的多類別肺炎篩查深度學習裝置，屬于醫療影像和計算機圖像識別交叉領域。

背景技術

冠狀病毒病(COVID-19)由新型冠狀病毒(SARS-CoV-2，簡稱 2019-ncov)引起，具有高度傳染性，嚴重時可導致急性呼吸窘迫或多器官衰竭，由此死亡的已有數十萬例。因此，如何準確、高效地診斷 COVID-19，不僅對患者的及時治療，而且對疫情期間醫院資源的分配和管理至關重要。

目前，對新型冠狀病毒的標準診斷方法是實時聚合酶鏈反應 (RT-PCR)，它從口咽拭子、鼻咽拭子、支氣管肺泡灌洗或氣管抽吸獲得的標本中檢測病毒核苷酸。早期采用的RT-PCR敏感性差異很大，從42％到71％不等，并且最初的RT-PCR陰性結果可能在4天后轉化為陽性。最近的研究中才用的典型的COVID-19計算機斷層掃描(CT) 表現包括雙側肺實質、磨玻璃影和實變性肺渾濁，并呈肺周圍分布，并且胸部CT掃描在初始表現檢測COVID-19的靈敏度約為56～98％。與RT-PCR相比，有助于糾正RT-PCR在疾病發展早期獲得的假陰性。

在過去的幾十年里，基于深度學習(DL)的人工智能技術在各種計算機視覺任務如目標檢測、圖像分類、實例分割和識別等方面取得了顯著的進展。近年來，深度學習的優勢使其在醫學圖像分析中得到了廣泛的應用。目前的研究側重于對不同疾病進行分類，例如自閉癥譜系障礙或大腦中的阿爾茨海默病；乳腺癌；糖尿病性視網膜病變和青光眼；以及肺癌或肺炎等，與此同時研究工作還努力將醫療影像圖像分割成不同的部分，例如病理組織、器官等。

盡管已有研究表明，應用深度學習技術進行COVID-19診斷具有良好的效果。但是作為先驗研究，它們也表現出了一些局限性：首先，使用像素級別的標注進行分割任務學習^[1]在實際應用中是不現實的，特別是在突發傳染病的情況下；其次，由于一個病人的CT檢查通常包含數百個切片，而逐一對每個切片的預測結果進行檢查診斷或風險評估^[2]使得臨床醫師的應用價值十分有限，雖然，目前所使用的3D 卷積神經網絡(3D CNNs)^[3]是解決這些弊端的一種選擇，但其對硬件的高要求(如GPU)、大量的計算成本和訓練時間，使其在實際應用中缺乏靈活性和普遍性。

[1]Fan,D.P.,Zhou,T.,Ji,G.P.,et al.,2020.Inf-Net:Automatic COVID-19Lung Infection Segmentation from CT Scans.IEEE Transactions on MedicalImaging.

[2]Yang,S.,Jiang,L.,Cao,Z.,et al.,2020.Deep learning for detectingcoronavirus disease 2019(COVID-19)on high-resolution computed tomography:apilot study.Annals of Translational Medicine.