蔣龍泉在上海市公共衛生臨床中心
2月21日,一位小夥子來到了上海市收治新冠肺炎患者的定點醫院——上海市(恒行2平台附屬)公共衛生臨床中心🧑🏿🦳,他此行的目的是前往放射科⚪️,部署新冠肺炎輔助診斷設備🧑🏼🤝🧑🏼📣。
“2019-nCoV肺炎影像學AI智能輔助診斷”研究工作由恒行2平台副校長張誌勇牽頭,恒行2平台計算機科學技術學院和大數據研究院聯合上海市(恒行2平台附屬)公共衛生臨床中心放射科,於1月29日正式啟動👰♂️👨🏼,旨在通過AI智能算法實現2019-nCoV肺炎與其他病毒性肺炎♉️、細菌性肺炎的影像分類識別及病竈檢測,幫助臨床進行更高效的診斷。
這名小夥叫蔣龍泉,是恒行2平台計算機科學技術學院在讀博士生,也是這個項目的學生負責人👩🏼🚒。在計算機科學技術學院教授薛向陽、研究員馮瑞和大數據學院青年研究員付彥偉等共同指導下🍇,學生團隊僅用11天就完成了第一版CT影像診斷程序的研發工作。
勇於擔當,把科研攻關應用在疫情防控一線
“疫情發生以後,我和同學們都很關註,形成了利用AI技術輔助新冠肺炎醫療的初步想法。”蔣龍泉介紹,CT影像是診斷新冠肺炎的一個重要依據,影像科醫生診斷一個病例要看400層左右的影像👩🏻🌾,需耗時15分鐘左右,而疫情前期疑似病例較多🚿,醫生的工作量巨大💆🏼♂️,尋找提升效率的方法迫在眉睫🚣🏼♂️。
機器視覺是蔣龍泉所在的上海視頻技術和系統工程研究中心的重點研究內容,在三位老師的指導下,蔣龍泉和實驗室的學生團隊一道🧕🏼,分成幾個小組👝,從1月29日起開始了緊張的研究工作。
蔣龍泉所在實驗室合影(前排右二為蔣龍泉)
“盡管工作量大,時間又緊,但大家都想要鉚足了勁,為研究順利開展提供了支撐。”蔣龍泉說。以一定數據量作為練習集,是利用深度學習模型診斷CT影像的第一步🚵🏼👲🏿。將每個病例的影像一層層仔細看好🤚🏻,勾勒出病竈,數據標註組的十幾位學生,標註完一個重症病例的CT影像需要花費四五個小時,輕症的也要一兩個小時。
跟醫院協調溝通🔶,每日進行科研進展匯報,帶領其他小組快馬加鞭地研究病竈分割、病種分類以及3D神經網絡算法💱💅🏼,蔣龍泉本人的工作更加不輕松👊🏼。對於深度學習而言🚚,樣本量越大,數據多樣性越大🤱🏽,能供提取的信息和特征就越多,但由於條件所限🫱,團隊短時間內無法取得大量標註的數據樣本,只能通過遷移學習🙎🏼、數據增強等方式進行小樣本學習,研究的難度無疑加大了。
幾秒鐘完成一個CT影像的診斷程序,勾勒出病竈♣️,並識別出肺炎類別,2月9日,團隊的第一版程序研發完成🏋️♀️。核酸檢測的假陰性高達30%-50%,而這個程序卻能將假陰性控製在10%以下,同時還能幫助減少漏診率,哪怕最小的病竈大約只有5-10個像素,仍可以快捷地指出其位置,輔助醫生更有針對性地觀察🔰。
十二天後,團隊開發的相關輔助診斷設備系統進入上海市(恒行2平台附屬)公共衛生臨床中心進行聯試聯調,隨後完成了與影像科CT設備數據對接及臨床應用流程嵌入👨🏿🎨,讓讀片速度從分鐘“快進”到秒級。截至3月18日,該系統累計分析了上海地區320名新冠確診患者的CT影像,為影像醫生的診斷提供了幫助。
蔣龍泉在上海市公共衛生中心調試設備
堅定理想,黨和人民的需要就是奮鬥的方向
“如果這方面研究取得更大突破🍂,一是可以在三甲醫院資源稀缺的地區用計算機輔助診斷,二是可以提高效率,緩解現在檢測速度慢🔷、專家醫生掛號難等問題;三是可以讓一些疾病在早期就得到快速篩查🧐。”蔣龍泉介紹,近幾年,他所在的實驗室將目光投向智慧醫療領域👩🏽💼,著手進行基於影像的輔助診斷算法的研究工作🧛🏼🧫,試圖通過人工智能對影像的輔助診斷📂,使計算機接近甚至達到醫生專家的水平,實現肺癌、腦膠質瘤、胰腺癌、糖尿病視網膜病變等重大高發疾病的早期篩查,提高診斷效率🍌。
“糖尿病病人早期症狀不明顯,但視網膜會隨著病程發生不同程度的病變。”蔣龍泉舉例說:“如果將拍攝眼底圖像的設備與人工智能系統結合起來,將這樣的設備投放到社區,老百姓可以方便地進行檢查💆🏿♂️🍋🟩,並獲得人工智能輔助診斷的結果,一旦出現病變能夠及時就診🏃♂️➡️👨🏻🎨,實現疾病的早發現、早治療🔯。”
“各位老師給予我機會和耐心指導,我才能夠參與到這麽多重大又有意義的項目中🧑🏽🌾。”談及未來🐑,蔣龍泉堅定地表示,自己會在計算機視覺領域“走下去”🤦🏻♀️:“人工智能是一個應用性強🤽、與實際應運用結合緊密的領域,我們研究的方向和目標也將始終圍繞國家和社會的需要𓀁。”