百度「AI战疫」:首次开源肺炎CT影像分析AI模型,让诊断从分钟到秒
自疫情爆发以来,多家科技公司纷纷加入了抗击疫情的战役中。
其中,排查疫情是这场战役的重中之重,而 CT 影像已成为新冠肺炎筛查和病情诊疗的重要依据。
然而,在当前疫情诊疗的关键时期,存量患者和新增患者总体数量庞大,医生需要对患者不同进展期的多次 CT 影像检查进行随访对比,以对患者的病情发展和治疗效果进行精准评估。
采用传统目测检视的医学影像检查手段,医生不仅工作量巨大,也难以对患者病情做到精准评估和及时对比。在全社会抗击疫情医疗资源紧张、医生超负荷工作的情况下,超量的 CT 影像检查对一线抗疫工作形成了巨大的医疗资源需求挑战。
实际上,用 AI 进行医学影像分析,并辅助诊断,已经非常多的应用案例。就在昨日(2.28),百度联手连心医疗,正式推出了“基于 CT 影像的肺炎筛查与病情预评估 AI 系统”,并且已经在湖南郴州湘南学院附属医院投入使用。
一、从分钟到秒
据报道,一位新冠肺炎病人的 CT 影像大概在 300 张左右,这给医生临床诊断带来巨大压力,医生对一个病例的 CT 影像肉眼分析耗时大约为 5-15 分钟。
而首先落地在湘南学院附属医院的这套 AI 肺炎筛查和预评估系统,可在几十秒内完成对患者 CT 影像的病灶检测、病灶轮廓勾画、双肺密度分布直方图及肺部病灶的数量、体积、肺部占比等全套定量指标的计算与展示。
其中,该系统在测试数据集上的病灶检测精度和召回率分别达到 92%和 97%,做到在保证高病灶检出精度的基础上防止漏检。
除了可快速检测识别肺炎病灶,为病情诊断提供病灶的数量、体积、肺部占比等定量评估信息。该系统同时还辅以双肺密度分布的直方图和病灶勾画叠加显示等可视化手段,为临床医生筛查和预诊断患者肺炎病情提供定性和定量依据,提升医生诊断和评估效率。
此外,该系统采用的深度学习算法模型充分训练了所收集到的高分辨率和低分辨率的 CT 影像数据,能极好地适应不同等级 CT 影像设备采集的检查数据,有望为医疗资源受限和医疗水平有限的基层医院提供有效的肺炎辅助预诊断工具。
二、用开源对抗封闭
很多公司也想打造自己的肺炎 CT 影响分析模型,然而从头训练的成本较高,不能够及时发挥作用。
为此,百度和连心医疗采取了开放的态度,在业内首次开源上述系统中的肺炎 CT 影像分析 AI 模型——肺炎 CT 影像分析模型(Pneumonia-CT-LKM-PP)。
不仅如此,其预训练模型也已在百度 EasyDL 上开放,开发者可通过在 EasyDL 图像分割模型中,选择“肺炎 CT 影像识别专用算法”,少量数据训练即可获得基于实际场景进一步优化的模型。
对于想亲自上手「肺炎 CT 影像分析模型(Pneumonia-CT-LKM-PP)」的开发者,百度也给出了详细的教程。
1、定义待预测数据
如果没有自己的数据,也可以用百度提供的 demo.dcm 医学影像练手。
2、加载预训练模型
百度的 PaddleHub 提供了病灶分析和肺部分割的 Module,即 Pneumonia_CT_LKM_PP,包含病灶分割和肺部分割 2 个模块,都是基于 UNet 进行一系列优化。
3、预测
PaddleHub 对于支持一键预测的 module,可以调用 module 的相应预测 API,完成预测功能。
4、 后处理
通过一定的后处理,将肺部分割结果映射到原图上,再将病灶分割和肺部分割融合到一张图上可视化。
代码传送门:
https://aistudio.baidu.com/aistudio/projectdetail/289819
三、AI 战疫,为爱而战
随着临床诊断数据的积累,新冠肺炎的影像学大数据特征逐渐清晰,相信 AI 在肺炎筛查领域发挥的作用会越来越大。
据百度介绍,该系统后续还将陆续于湖北、成都等地医院部署,其在线版本也将对全国定点收治医院免费开放,有利于医疗人员基于该系统开展远程会诊协作,提高基层医院的病情诊断和救治能力,进而有望降低患者在转诊、巡诊等过程中产生的交叉传染风险。
也期待更多的医院和算法研究者参与到基于 AI 的医学影像大数据抗疫产品研发中来,为抗疫临床研究和临床产品研发贡献力量。
众志成城,打赢疫情阻击战。
百度「AI战疫」:首次开源肺炎CT影像分析AI模型,让诊断从分钟到秒相关推荐
- “AI”战疫在行动,一文盘点百度大脑增援疫情防控的AI操作
2020年春节,注定将刻进每个人的记忆.面对突如其来的新型冠状病毒感染的肺炎疫情,除了一线医护人员的日夜奋战,"人工智能"也在特殊时期走向前沿,接受了抗疫洗礼. 3月13日,今年第 ...
- 二月AI战疫丨百度大脑加推多项AI软硬能力,赋能数千家企业超千万用户
自新冠肺炎疫情发生以来,百度持续运用AI.大数据等前沿技术,支援着疫情的防控.从成立疫情及公共卫生安全攻坚专项基金.提供人工智能技术支持和亿级计算资源配套,到百度地图等人工智能.大数据产品为疫情科学管 ...
- 【AI达人创造营第二期】基于PaddleClas的新冠肺炎CT影像的分类
转自AI Studio,原文链接:[AI达人创造营第二期]基于PaddleClas的新冠肺炎CT影像的分类 - 飞桨AI Studio 一.项目背景 新近爆发的2019新型冠状病毒(SARS-CoV- ...
- 百度AI战疫五十天:三场战役与一次胜利
3月16日,中国大陆地区新增的21例新冠肺炎确诊病例中,仅有武汉1例原生病例,余下都是境外输入病例.至此,我们应该可以确信,中国疫情已经得到了基本控制,防疫主战场发生了重要转移. 面对疫情,众多不容忽 ...
- 疫情可视化,基于知识图谱的AI“战疫”平台如何做?
来源 | DataExa渊亭科技 武汉封城半个月,疫情依然严峻.但与17年前的SARS相比,我国在此次疫情防控工作中展现出了更高的医疗救治水平.更快的防疫反应速度.更透明的信息披露机制.更迅速的数据报 ...
- 「无心插柳柳成荫」的乔姆斯基 | 追溯 AI 大师系列
https://mp.weixin.qq.com/s?__biz=MzI5NTIxNTg0OA==&mid=2247495266&idx=1&sn=77a3eb91172618 ...
- 百度智能云战“疫”记事
突如其来的疫情 打乱了正常的生产.生活.工作和学习的节奏 全民进入"战疫"阶段 百度智能云积极投身第一线 用科技力量 为企业复工.学生在线上课 和居民生活便捷助力
- 上海交大发布「人类行为理解引擎」:深度学习+符号推理,AI逐帧理解大片中每个动作...
博雯 发自 凹非寺 量子位 | 公众号 QbitAI 看图看片,对现在的AI来说早已不是什么难事. 不过让AI分析视频中的人类动作时,传统基于目标检测的方法会碰到一个挑战: 静态物体的模式与行为动作的 ...
- AI战“疫”!人工智能在疫情中的重要作用
来源:腾讯新闻网 新冠肺炎疫情牵动着全国人民的心! 在防控疫情部署落实工作中,上海着力将人工智能等现代信息技术深入应用于疫情态势研判.传播路径分析.精准防控.有效治疗及后续治理等各工作环节. 通过提供 ...
最新文章
- 项目配置laungchImage
- VS2015--win32project配置的一些想法之在 Visual Studio 2015 中进行调试的同一时候分析性能...
- 解决Error: undefined reference to `__android_log_print'
- 用scikit-learn学习主成分分析(PCA)
- linux-history历史命令-光标的移动操作-命令行上的字符删除操作
- android系统优化(17)---高通平台性能优化概述
- 线性回归 + 基础优化算法 动手学深度学习v2 pytorch
- 详细解析堆排序java实现
- 迎接专业音频世界的AoIP时代
- java 如何查看文件编码_java判断文件编码 终于弄懂了编码是怎么回事
- OSChina 周三乱弹 ——你是有多寂寞啊,看光头强都……
- 模拟QQ软件的基于多线程的流媒体加密传输软件技术
- 中文OCR光学字符检测与识别二:用最先进的DBNet训练自己的数据集检测中文文本
- C#利用Picturebox控件显示图片
- 浩客XM:面对增长困局,抓体验真的有用吗?
- android ios av tv,iOS AVPlayerItem
- JAVA高级阶段知识点总结
- 【Alpha】阶段第三次Scrum Meeting
- [电脑网络]Verycd 维护中
- Windows8 Metro快捷键 | Win8迷
热门文章
- 安装sql 2005 闪退 连接到服务器失败。错误:0x80070424
- 玉山银行的一名新员工“玉山小i随身金融顾问”
- 目前流行的源程序版本管理软件和项目管理软件都有哪些?各有什么优缺点?...
- PHP获取时间排除周六、周日的两个方法
- HDU 1816, POJ 2723 Get Luffy Out(2-sat)
- 典型用户 persona
- Centos 64位 Install certificate on apache 即走https协议
- [转载] sql server 2000系统表解释
- vue 之 nextTick 与$nextTick
- maven3 手动安装本地jar到仓库