利用深度学习系统筛查新冠病毒肺炎

摘要

实时逆转录聚合酶链反应(RT-PCR)检测早期新冠病毒肺炎(COVID-19)患者的痰液或鼻咽拭子中的病毒RNA阳性率较低。同时,COVID-19的计算机断层扫描(CT)影像学的临床表现有其自身的特点,不同于甲型流感病毒性肺炎(IAVP)等其他类型的病毒性肺炎。本研究旨在应用深度学习技术,建立COVID-19、IAVP及健康人群肺部CT的早期筛查模型。本研究共采集618份CT样本,其中219份样本来自110例COVID-19患者(平均年龄50岁,其中男性63例,占57.3%),224份样本来自224例IAVP患者(平均年龄61岁,其中男性156例,占69.6%),175份样本来自健康人群(平均年龄39岁,其中男性97例,占55.4%)。所有CT样本均来自浙江省三家COVID-19定点收治医院。我们首先利用胸部CT图像集的三维(3D)深度学习模型分割出候选感染区域,然后利用位置敏感机制深度学习网络将这些分离的图像归类为COVID-19、IAVP以及与感染无关(ITI)的图像,并且输出相应置信度得分。最后,用Noisy-OR贝叶斯函数计算每份CT病例的感染类型及总置信度。测试数据集的实验结果表明,从整体CT病例来看,本研究利用深度学习系统建立的COVID-19患者的早期筛查模型的总体准确率为86.7%。该模型有望成为一线临床医生诊断COVID-19的一种有效的辅助方法。