放射診斷是新型冠狀病毒肺炎(Coronavirus Disease 2019,COVID-19)診療過(guò)程中的重要環(huán)節(jié),然而CT影像數(shù)據(jù)量較大,單個(gè)患者閱片耗時(shí)較長(zhǎng),為醫(yī)生診斷帶來(lái)巨大壓力。本研究基于不同醫(yī)院COVID-19患者的數(shù)據(jù)脫敏CT影像,通過(guò)深度學(xué)習(xí)的方法學(xué)習(xí)樣本病灶紋理,提出了一種基于時(shí)間空間序列卷積的圖像檢測(cè)模型。該模型能快速定位CT影像中病灶區(qū)域,并關(guān)聯(lián)同一患者不同階段CT影像,綜合得到更準(zhǔn)確的檢測(cè)結(jié)果。本文的研究可以提高COVID-19的初步診斷及鑒別診斷效率,可用于輔助臨床診斷,為疾病控制做出貢獻(xiàn)。

【文章頁(yè)數(shù)】：4 頁(yè)

【部分圖文】：

圖1待分割肺實(shí)質(zhì)及對(duì)應(yīng)標(biāo)注掩模

對(duì)COVID-19病灶的檢測(cè)，第一步需要對(duì)影像中肺實(shí)質(zhì)部分進(jìn)行分割，根據(jù)分割后的區(qū)域位置進(jìn)行幾何學(xué)運(yùn)算得到合理的目標(biāo)區(qū)域。我們對(duì)50例COVID-19患者以及30例健康人的CT影像逐層進(jìn)行肺實(shí)質(zhì)輪廓醫(yī)學(xué)標(biāo)注，標(biāo)注圖像樣本如圖1所示，利用標(biāo)注后的每一層肺實(shí)質(zhì)進(jìn)行2D肺部分割模型訓(xùn)練....

圖2肺部影像語(yǔ)義分割結(jié)果

以上步驟的目的是減少后續(xù)病灶檢測(cè)的無(wú)關(guān)區(qū)域，可以顯著地提高模型推理檢測(cè)的效率。2.2基于時(shí)空序列特征提取的目標(biāo)檢測(cè)模型

圖3基于時(shí)空序列卷積的目標(biāo)檢測(cè)模型結(jié)構(gòu)

時(shí)間序列卷積層的設(shè)計(jì)原理基于單向循環(huán)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和常規(guī)的2D卷積層結(jié)構(gòu)。根據(jù)對(duì)COVID-19病灶CT征象的階段性特征分析，以單向時(shí)間軸的序列抽象順序提取影像上下文語(yǔ)義特征更為合理。經(jīng)過(guò)兩個(gè)時(shí)間序列卷積層的卷積操作，其特征圖輸入給后續(xù)卷積層進(jìn)行最后階段的特征提取，得到預(yù)測(cè)結(jié)果。具....

圖4模型對(duì)COVID-19CT影像斷層的檢測(cè)結(jié)果

模型的檢測(cè)結(jié)果如圖4所示，對(duì)CT影像斷層中病灶區(qū)域進(jìn)行目標(biāo)識(shí)別與定位，為醫(yī)務(wù)人員提供輔助診斷參考結(jié)果。3實(shí)驗(yàn)結(jié)果

本文編號(hào)：3937779