用于 CT 扫描中自动化 COVID-19 评估与病灶分类的可解释 AI 系统
图像与视频处理
2021-01-29 v1 计算机视觉与模式识别
摘要
由 SARS-CoV-2 病原体引起的 COVID-19 感染是一场全球性的灾难性大流行，确诊病例乃至死亡人数呈指数增长。本工作中，我们提出一种基于深度学习范式的 AI 驱动流程，用于从 CT 扫描中自动检测 COVID-19 并分类病灶。我们首先提出一个新的分割模块，旨在自动识别肺实质与肺叶。接着，我们将该分割网络与分类网络结合，用于 COVID-19 识别与病灶分类。我们将所得分类结果与三位专家放射科医生在由 162 例 CT 扫描组成的数据集上的结果进行比较。结果显示，COVID-19 检测的灵敏度为 90%，特异度为 93.5%，优于专家放射科医生的结果，且平均病灶分类准确率超过 84%。结果还表明，先验的肺与肺叶分割发挥了显著作用，使性能提升了超过 20 个百分点。此外，对训练后 AI 模型的解释显示，支持 COVID-19 识别决策的最显著区域与临床上与该病毒相关的病灶一致，即铺路石征、实变与磨玻璃影。这意味着人工模型能够通过评估 CT 扫描中这些病灶的存在，将阳性患者与阴性患者（包括对照组及经检测 COVID 阴性的间质性肺炎患者）区分开来。最后，AI 模型被集成到一个用户友好的 GUI 中，以支持放射科医生的可解释 AI，其公开于 http://perceivelab.com/covid-ai。
引用
@article{arxiv.2101.11943,
title = {An Explainable AI System for Automated COVID-19 Assessment and Lesion Categorization from CT-scans},
author = {Matteo Pennisi and Isaak Kavasidis and Concetto Spampinato and Vincenzo Schininà and Simone Palazzo and Francesco Rundo and Massimo Cristofaro and Paolo Campioni and Elisa Pianura and Federica Di Stefano and Ada Petrone and Fabrizio Albarello and Giuseppe Ippolito and Salvatore Cuzzocrea and Sabrina Conoci},
journal= {arXiv preprint arXiv:2101.11943},
year = {2021}
}