问题陈述

以下是使用人工智能进行冠状病毒图像诊断的必要性：

我们建议的解决方案

提出了一种采用轻量级投影-扩展投影-扩展(PEPX)设计模式和选择性远程连接的ResNet架构，该架构先对ImageNet数据进行训练，然后在胸部X线和CT扫描数据集上进行超参数优化、数据再平衡策略和数据增强，为多类别分类(COVID与正常与肺炎)提供准确的诊断。因此，有助于放射科医生进行快速、可靠的筛查。

具体地说，采用了名为“迁移学习”的程序。有了转移学习，检测小的医学图像数据中的各种异常是一个可以实现的目标，通常会产生显著的效果。

建议的模型使用Microsoft Azure云服务和TensorFlow库进行训练和评估，以便为多类别分类(COVID与正常与肺炎)提供准确的诊断。

选择这三种可能的预测的理由是，它不仅可以帮助临床医生更好地决定哪些人应该优先进行RT-PCR检测以确认冠状病毒病例，而且还可以根据感染原因采用哪种治疗策略，因为冠状病毒和肺炎感染需要不同的治疗计划。

该项目的独特性是高度定制的深度神经网络模型的关键定义特征，例如高度的体系结构多样性、选择性的远程连接、轻量级的PEPX设计模式，它在提供表示能力的同时保持计算效率和高精度。

放射影像资源

胸部X线影像

• 科恩，J.P.，莫里森，P.&Dao，L.冠状病毒图像数据收集.Arxiv 2003.11597(2020年)。
• 图1冠状病毒胸部X光数据倡议。
• 北美冠状病毒胸部X线资料计划，北美冠状病毒影像资料库，呼吸道合胞病毒肺炎检测挑战。

胸部CT图像

我根据中国国家生物信息中心(CNCB)提供的公开数据构建了胸部CT数据集。张康，刘晓红，沈军，等。何建兴，林天欣，李伟民，王光宇。(2020)。临床适用的计算机断层扫描对冠状病毒肺炎的准确诊断、定量测量和预后的人工智能系统。单元格，doi：10.1016/j.cell.2020.04.045(http://ncov-ai.big.ac.cn/download？)I constructed the Chest CT dataset from publicly available data provided by the China National Center for Bioinformation (CNCB). Kang Zhang, Xiaohong Liu, Jun Shen, et al. Jianxing He, Tianxin Lin, Weimin Li, Guangyu Wang. (2020). Clinically Applicable AI System for Accurate Diagnosis, Quantitative Measurements and Prognosis of COVID-19 Pneumonia Using Computed Tomography. Cell, DOI: 10.1016/j.cell.2020.04.045 (http://ncov-ai.big.ac.cn/download?)

胸部X线和CT图像分布

系统架构流程

结果

Covid19 X射线型号性能

Covid19 CT扫描型号性能

Web应用程序

• 用户可以观察上传的X射线/CT图像的Gradcam激活图，指示受磨玻璃混浊和实变影响的胸部部分。
• 用户还可以查看上传的X射线/CT图像分类为“Covid19”或“肺炎”或“正常”报告的置信分数。

动机

随着PCR检测的短缺和延误，胸部X光和CT已经成为医生对患者进行分类的最快和最实惠的方法之一。在许多医院，患者通常需要等待六个小时或更长时间才能让专家检查他们的X光或CT。如果急诊室医生可以从基于人工智能的工具中获得初步读数，就可以极大地缩短等待时间。在大流行之前，医疗保健人工智能已经是一个蓬勃发展的研究领域。特别值得一提的是，深度学习在分析医学图像以识别乳腺癌、肺癌或青光眼等疾病方面取得了令人印象深刻的结果，至少与人类专家一样准确。