European Radiology:人工智能,实现COVID-19的“一站式”诊断及检测
2022-04-13 shaosai MedSci原创
现阶段,胸部CT扫描已成为诊断COVID-19的一项重要手段,但由于COVID-19的某些CT特征与其他病毒性感染相似,因此诊断准确性有待商榷。
目前,使用聚合酶链式反应(PCR)的COVID-19诊断金标准仍有一定的局限性,其准确性也取决于患者的临床状况、取样技术和使用的检测试剂盒。现阶段,胸部CT扫描已成为诊断COVID-19的一项重要手段,但由于COVID-19的某些CT特征与其他病毒性感染相似,因此诊断准确性有待商榷。
为了克服这些挑战,发表在European Radiology杂志的一项研究开发了一个用于COVID-19CT分析的深度学习(DL)系统,称为CoviDet,该系统包括一个自动分割算法,以测试其对连续CT图像中对COVID-19变化进行自动监测和预测的能力,这将为加快针对COVID-19的全球合作和完善模型的普适性带来机会。
本研究采用来自6个不同的多中心队列的CT成像进行逐步诊断算法,以诊断COVID-19。将有3个以上连续CT图像的患者用于算法监测。FL应用于独立构建的DL模型的分散细化。
本研究共使用了4804名患者的1552988张CT片。该模型可根据CT单独诊断COVID-19,AUC为0.98(95%CI为0.97-0.99),并优于放射科医生的评估。本研究还成功测试了DL诊断模型与FL框架的结合。其自动分割分析与放射科医生的分析有很好的相关性,并达到了0.77的高Dice系数。如果有连续的CT评估,该系统可以产生对病人临床过程的预测曲线。
图 基于单个病人的重复CT动态病变预测的高斯过程曲线。a疾病显示峰值和恢复。b疾病显示恢复但复发。 c 疾病表现为平稳状态。 d 疾病表现为恶化
本研究表明,无论是否有临床数据根据,CoviDet均可以根据CT扫描准确诊断出COVID-19,因此本结果提示可进一步将CoviDet用于监测和预测患者的临床疾病进程及预后。
原文出处:
Hengrui Liang,Yuchen Guo,Xiangru Chen,et al.Artificial intelligence for stepwise diagnosis and monitoring of COVID-19.DOI:10.1007/s00330-021-08334-6
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章,或“梅斯号”自媒体发布的文章,仅系出于传递更多信息之目的,本站仅负责审核内容合规,其内容不代表本站立场,本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言
#PE#
38
#一站式#
34
讲的好。
62
认真学习了
59