新闻速递
防疫前线 | 这个团队用 AI 智能辅助诊断新冠肺炎,提高诊断效率
2020.02.23

[ INTRO ]

2020 年 1 月 29 日,复旦大学计算机学院、大数据学院联合上海市公共卫生临床中心放射科启动《新冠肺炎影像学 AI 智能辅助诊断与预后预测》相关研究工作,旨在通过计算机进行新型冠状病毒肺炎的智能辅助诊断,提高医生的诊断效率。

2020 年 1 月 29 日,复旦大学计算机学院、大数据学院联合上海市公共卫生临床中心放射科启动 《新冠肺炎影像学 AI 智能辅助诊断与预后预测》相关研究工作,由计算机学院教授、大数据学院副院长薛向阳、计算机学院研究员冯瑞、大数据学院青年研究员付彦伟三位老师指导,共有近二十位博士生和硕士生参与。

复旦大学计算机学院 2015 级博士生蒋龙泉作为项目的学生负责人,主要参与各科研小组的算法设计、实验测试和进展讨论等,同时也负责统筹安排、沟通协调、整理科研进展的工作。

跨媒体智能实验室团队合照(右二为蒋龙泉)

AI 影像辅助:提高诊断效率 

在 2 月 4 日发布的《新型冠状病毒感染的肺炎诊疗方案(试行第五版)》中,“疑似病例具有肺炎影像学特征” 已被纳入湖北省临床诊断标准,CT 影像成为诊断的重要依据之一。CT 检查方便、快捷、直观,在基层医院普及度高,蒋龙泉说。

然而,由于疑似病例数量过多,影像科的医生工作压力越来越大,蒋龙泉参加的此次项目旨在通过计算机进行新型冠状病毒肺炎的智能辅助诊断,提高医生的诊断效率。计算机能够完成新型冠状病毒肺炎的快速鉴别诊断,把新冠肺炎患者和其他种类的肺炎患者区分开,并且能够检测病灶,将肺部有病灶的区域标出来,这可以大大地节省医生的诊断时间。

AI 诊断效果图

项目的具体开展过程大致分为数据标注清洗、算法设计和实验、实战测试三个阶段。目前,肺炎类型鉴别已经取得了较好的测试效果,计划在公共卫生临床中心进行实战测试;病灶检测处于算法优化阶段,算法设计和模型训练已经初步完成,还需要更多测试来验证算法的准确率。“如果准确率不够高的话,对医生的帮助实际上是不够大的。” 蒋龙泉说。

克服困难,全力以赴 

由于同学们分散在全国各地,所以只能远程办公,这为项目的操作带来了很大不便。平时在实验室的时候,相应的电脑和服务器都是直接连接校园内网,使用起来比较方便。而在家则需要通过远程的方式运用学校的一些资源,效率没有在学校里那么高。蒋龙泉说:“大家都保持了足够的耐心,可能放在平时,就会觉得太慢了,这个速度受不了。”

蒋龙泉在家的工位

同时,因为时间紧,任务重,蒋龙泉和团队成员们的工作非常辛苦,“我跟各个小组的同学讨论或者实验,很多时候都会做到凌晨两三点”。

这段时间内,蒋龙泉的父母对待他晚睡的态度也有所变化。平时父母不忍心让他晚睡,晚上到了一定时间还会去看看他睡觉了没有,而此次他们知道蒋龙泉的研究任务比较忙碌后,都给了他很多的体谅。“父母也是希望我们能够贡献自己的力量,”  蒋龙泉说,“有时吃完晚饭,他们还会说,你现在没什么事要不先休息一会,晚上可能要熬夜。”

由于一些设备、数据、资料还在蒋龙泉上海的家中,为了不耽误项目整体进展,他决定 6 号返回上海家中进行隔离。“本来我妻子的工作也是要求不返回上海,但她担心我不能照顾好自己,所以还是决定和我一起返回。” 蒋龙泉说。父母担心他们回到上海后购买物资不方便,为他们打包了整整一箱蔬菜水果。

蒋龙泉父母打包的蔬菜水果

不积跬步,无以至千里 

在这次项目中,蒋龙泉看到了整个团队的同学为疫情服务的贡献精神。1 月 28 日晚上,老师在微信群里发布了项目开展的通知,蒋龙泉所在实验室中的大部分同学在半小时内就报名了,“大家的那种迫不及待的心情一下子就体现出来了。”工作任务重、困难多,但是同学们都没有任何怨言,积极性非常高,一直在群策群力地解决问题。“作为学生中的负责人,我觉得大家非常的给力。” 蒋龙泉说。

上海市公共卫生临床中心放射科的医生和学生也让他印象深刻,他们的医疗任务很重,工作已经饱和,但是为了让研究团队的成员更快的熟悉新冠肺炎,经常牺牲自己的休息时间来指导他们。蒋龙泉说:“他们既在一线,又辅助我们进行背后相关的科研,我觉得他们才真的是为疫情付出最多的一个群体。

科研的过程也并不是一蹴而就的,蒋龙泉负责每天梳理研究进展,项目刚开始的时候进展很快,但是一周左右进度就减缓了,算法进入了瓶颈,这时候就需要一些创新和尝试。这并不仅仅是最困难的阶段,还是最寂寞的一个阶段,因为没有很大的成果。那几天也正是团队成员工作时间最长、休息时间最晚的几天。但蒋龙泉现在回头看那段瓶颈期,发现最困难的阶段也正是出成果的阶段,“毕竟科研不是一个简单的事”

在研究最初的数据标注阶段,需要大量的学生把相关的数据标注出来,机器才能去做学习,这一标注的阶段非常枯燥,但同时又是支撑整个研究项目的部分。蒋龙泉说,平时做标注的时候可能还需要给大家做一些动员,但是这次大家就都义无反顾地参加,都在默默地做贡献。

和数据标注这样的微小工作一样,蒋龙泉认为:“我们每一个人其实都在做这些微小的小事,但是不积跬步,无以至千里。我相信我们每个人的一点努力,最终就会为我们的研究工作带来突破性的进展。

此次 AI 辅助影响诊断的研究成果可以帮助医护人员更加精确、快速地进行病情诊断,既可以有效地缩减诊断时间、提升诊断效率,也能在一定程度上减轻医护人员的工作压力,帮助解决医护人员资源紧缺的问题。

蒋龙泉表示:“我们作为复旦研究生的一员,大家都是在共同的努力,在这个阶段,想要为湖北、为国家、为疫情贡献自己的力量。”

转载来源:复旦研究生公众号

© 2020 复旦大学计算机科学技术学院 地址:上海市张衡路825号 Tell:+86-21-51355555 Fax:+86-21-51355558 Emall:cs_school@fudan.edu.cn
复旦大学计算机科学技术学院
扫一扫了解学院