GE医疗推新冠病毒AI平台!解读背后的硬核技术
智东西(公众号:zhidxcom) 百年医疗设备巨头GE医疗,正在纷至沓来的数字化和智能化浪潮中,尝试讲好新的故事。 就在3月初,应国内疫情之需,GE医疗推出了由针对新冠肺炎的CT影像智能分析平台技术——“智赢新冠LK 2.0”。 这一平台由GE精准医学院团队自主研发,基于影像基因组学原理,结合人工智能(AI)和图像处理等技术,用于科学研究,辅助早期、疑似新冠肺炎的精准分析。 据武汉大学中南医院影像科主任徐海波介绍,新冠肺炎的病变特征在临床预判上与以往有很大不同,对于轻重症病情很难仅通过胸片看出差别,因此CT影像作为首选诊断依据至关重要;在病程进展期到重症期阶段,也很难通过单次影像界定病灶的实际变化差异,因此进行CT影像学的动态观察也非常重要。 “看到大量片子后,医生都很疲惫。”吉林大学白求恩第一医院放射线科主任张惠茅说,“目前结果显示,AI在肺部病变筛查、定量评估、对比疾病变化等方面有很好的效果。”
一、升级三大方向,更快检出新冠病毒智赢新冠LK 2.0平台可提供针对新型冠状病毒感染肺炎呼吸道(气管与支气管)和肺部病变检出,克服单纯分析肺部组织病变的局限性。 在智能化、可视化和定量化影像组学方法的辅助下,以肺部病变为核心的智能化分析平台,能为新冠肺炎早期、准确和快速的诊断提供高通量的定量CT影像信息。 另一方面,以AI技术为核心的全肺/肺叶/病变分割系统,极大提高用户科研工作效率,降低不同医师之间主观评估的差异性,提高精确度。 该平台还有助于疑似患有肺部病变 (肺炎性病变、肺损伤、肺纤维化和肺占位病变等) 的患者进行分析检测,为确诊患者疗效评估提供定量化参考信息。 这些成绩,来源于GE医疗根据新冠肺炎需求,对LK 1.0平台所做的针对性升级。此前LK1.0主要针对的是肺结节、普通肺炎和肺损伤等病种。 历时一个月,在20多位化学、影像学、临床、数学的博士和近10位AI科学家和工程师的共同努力下,智赢新冠LK 2.0对科研痛点逐一击破,针对新冠病毒特性重点优化了三个方向: 1、对于早期无症状病患和不易发现的新冠病灶,GE医疗将AI分析范围拓展到了气管、支气管部分,帮助肺部无明显形态学改变的病例,进行早期病灶识别。 2、对于新冠中后期复杂病变,平台可对肺叶进行快速智能化分割,精准定位病灶和定量评分;结合AI深度学习建模,进一步评估疾病进展、反映病变体积与分布,分析弥漫性病变,预测病情走势。
3、对于激增的新冠病患数据,平台可对不同型号的CT进行数据规范化处理,同时进行批量快速读片处理。 此外,GE医疗已与医疗机构一起在世界顶尖的放射学杂志Radiology发表了两篇论文,致力于研究新冠肺炎在CT影像中的早期识别。 今年,GE医疗将在LK 2.0平台的基础上与15家医疗单位合作,预计到3月底还将发表15篇SCI和国际期刊论文。 二、新冠肺炎AI平台背后的硬核技术从智赢新冠LK 2.0的技术布局来看,基本始终围绕着科研工作者的三个核心诉求:快速、好用、可靠。 1、快速:强大的处理性能和效率 LK 2.0支持GPU并行加速计算和数据批量处理,提高系统的运行效率,能在极短时间内完成分割任务,快速进行肺部病变的提取、定量和对损伤度评分。 2、好用:专业的科研辅助模块 LK 2.0搭载影像组学纹理特征提取模块、数据统计处理模块,为用户科研提供一站式解决方案。 特征提取模块拥有上千个可供选择的纹理特征,用户可自主选择提取不同特征组合;统计处理模块搭载易上手数据处理软件(IPMs),轻松完成SCI级别的结果与图像输出。 3、可靠:五步核心技术实现精准医疗 (1)图像标准化系统:提供胸部CT图像预处理,确保数据标准化和规范化,辅助提高图像质量。其功能包括:图像裁剪、图像重采样、图像滤波、图像质量恢复、图像标准与归一化。
(2)自动分割系统:结合深度学习和传统方法,通过解剖结构分割、肺部炎性病灶分割、肺结节自动分割等方式,更快提取病灶并进行更精准的定量分析。
(3)肺结节检出:利用深度学习模型,自动快速完成肺结节的检出和鉴别分析。 (4)肺部炎性病灶检出:精准快速分析新冠病毒肺炎疑似病例,特别是CT图像无形态学改变时的早期和轻症分析。 (5)影像组学和影像基因组学技术:自动提取病变区域特征,组学特征三维可视化显示,提供肉眼无法发现的分子水平特征,可加速对于肺部复杂病变的鉴别(分类)、疗效评估、预后复发及生存期分析等方向的研究。 三、仅用于科学研究,落地还需长期积淀(编辑:52刷机网) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |

▲GE医疗中国总裁兼CEO张轶昊(中)、GE医疗中国首席市场营销官阎华(左)、GE医疗中国诊断药物业务总经理戴红东(右)出席发布会
▲3D显示病灶(红色区域)和病灶定量和评分分析
▲预处理后CT图像(横、冠和矢状面)
▲分割肺叶