5G網(wǎng)絡下新冠病人AI智能初篩系統(tǒng)設計與實現(xiàn)

喬豐，孫澤鵬，馬建均

（中移（成都）信息通信科技有限公司 研發(fā)一部，四川 成都 610041）

0 引言

自2019 年底暴發(fā)至今，新型冠狀病毒引發(fā)的肺炎疫情席卷全球，嚴重危害了人們的生命健康。中國國家衛(wèi)生健康委員會在第五版新冠肺炎診療方案已經(jīng)提出，胸部CT（Computed Tomography）是新冠肺炎臨床診斷的重要依據(jù)[1]。但在疫情大爆發(fā)期，影像篩查基本由影像科醫(yī)生人工完成，由于患者數(shù)量多、肺內(nèi)病灶多、進展變化快、短時間內(nèi)需要多次復查、醫(yī)生資源緊缺、醫(yī)生臨床經(jīng)驗與判斷標準不能同質化等多種原因，影像科醫(yī)生閱片數(shù)量大、閱片周期長，常常嚴重超負荷工作、身心疲憊、診斷效率低下、結果容易誤判，導致未能及時篩查出已感染的患者，不利于快速控制疫情。

為了充分發(fā)揮人工智能（Artificial Intelligence,AI）技術賦能醫(yī)學影像篩查，協(xié)力抗擊新型冠狀病毒肺炎疫情，工業(yè)和信息化部倡議充分挖掘新冠肺炎診療及疫情防控的應用場景，攻關并批量生產(chǎn)一批用于輔助診斷、快速測試、精準測溫與目標識別等方面的智能化產(chǎn)品。目前，國內(nèi)外有大量科技公司和研究機構都在致力于將人工智能技術應用于醫(yī)療行業(yè)，但主要集中在互聯(lián)網(wǎng)問診、肺結節(jié)檢測、心腦血管檢測、癌癥靶區(qū)勾勒、病理切片識別等領域[2]?；诰矸e神經(jīng)網(wǎng)絡（CNN）的醫(yī)學影像分割處理技術目前已經(jīng)針對多種病種進行了具體應用，來輔助醫(yī)生對病癥進行診斷；利用經(jīng)過醫(yī)生對具體病灶標注過的圖像進行訓練，CNN 模型可以學習到醫(yī)生對具體病種病灶的判別方式，樣本數(shù)量越多，同病種多專家標注方式和類別越全，訓練好的AI 模型的輸出結果就越準確[3-4]。由于新型冠狀病毒肺炎的突發(fā)性，研發(fā)智能的新型冠狀病毒肺炎篩查系統(tǒng)來服務醫(yī)生和患者，減輕醫(yī)生負擔，助力醫(yī)療機構實現(xiàn)大量新冠肺炎快速早期篩查變得十分緊迫。

本文在深入抗擊新型冠狀病毒肺炎疫情一線的實踐基礎上，設計并研發(fā)5G 網(wǎng)絡下新冠病人AI 智能初篩系統(tǒng)，旨在為疫情防控及重大傳染病篩查系統(tǒng)設計提供參考。內(nèi)容主要包括新冠病人胸部CT 特征分析、人工智能和5G 技術應用的必要性與可行性論證、新冠病人AI 智能初篩系統(tǒng)設計、系統(tǒng)性能驗證和結論。

1 新冠病人胸部CT 特征分析

研發(fā)新冠病人AI 智能初篩系統(tǒng)的關鍵是正確認識新冠病人胸部CT 特征，這對于人工智能數(shù)據(jù)標注、模型訓練和系統(tǒng)性能具有極其重要的意義。新冠病人病情發(fā)展主要分為早期、進展期和重癥期[5-6]，各階段的胸部CT 特征如表1 所示。

表1 新冠病人胸部CT 特征

2 人工智能和5G 技術應用的必要性和可行性論證

在必要性方面，每位新冠病人的胸部高分辨率CT 影像在300 張左右，這為醫(yī)生臨床診斷帶來巨大壓力。醫(yī)生對一個病例的CT 影像肉眼分析耗時大約為5～15min。而人工智能技術具備一定的學習能力，可通過學習含有醫(yī)生經(jīng)驗的數(shù)據(jù)，具備病灶的快速檢測識別能力，能極大提升醫(yī)生診斷效率和診斷準確率；同時，CT 影像數(shù)據(jù)量大，為了實現(xiàn)數(shù)據(jù)高速率、低時延傳輸與交互，采用5G 技術是一個必要選擇。在可行性方面，目前人工智能技術特別是深度學習技術[7-8]在圖像識別領域應用廣泛，算法相對成熟，可結合新冠病人胸部CT 篩查具體應用輸入高質量標注的訓練數(shù)據(jù)并調(diào)整算法參數(shù)從而獲得較好的模型；同時，5G 技術天然具備高速率、低時延數(shù)據(jù)傳輸特性[9-10]，通過5G 網(wǎng)絡傳輸大量CT 影像數(shù)據(jù)是可行的。

3 新冠病人AI 智能初篩系統(tǒng)設計

新冠病人AI 智能初篩系統(tǒng)的應用場景如圖1 所示，面對龐大的就診人群，通過批量輸入發(fā)熱病人的CT 影像數(shù)據(jù)，快速獲得新冠肺炎疑似患者名單，解決發(fā)熱群體大與醫(yī)生資源緊缺之間的矛盾，從而減輕醫(yī)生閱片壓力、縮短醫(yī)生閱片周期、減少疲勞導致的數(shù)據(jù)誤判。

圖1 新冠病人AI 智能初篩系統(tǒng)應用場景

系統(tǒng)功能主要包括批量病例CT 數(shù)據(jù)導入、高速的圖像處理、精準的病灶定位及標注、批量疑似患者報表輸出、數(shù)據(jù)可視化等。批量病例CT 數(shù)據(jù)導入功能支持批量導入DICOM3.0 原圖，最大支持超過上千患者數(shù)據(jù)同時上傳，通過后臺存儲進行保存。高速圖像處理功能支持超大文件放大、縮小與標注。精準病灶定位功能支持在海量數(shù)據(jù)中精準篩選、標記并分析出疑似新冠病例，同步將疑似病例的數(shù)據(jù)置頂，方便醫(yī)生進行閱片復核。批量疑似患者報表輸出功能支撐將疑似患者基本信息及分析結果數(shù)據(jù)以報表的形式輸出，供醫(yī)務人員快速定位疑似患者。數(shù)據(jù)可視化功能支持將判讀異常的數(shù)據(jù)統(tǒng)一以數(shù)據(jù)報表的格式進行展示，方便疫情防控工作進行下一步計劃決策。

根據(jù)應用場景和系統(tǒng)功能，系統(tǒng)由業(yè)務子系統(tǒng)、安全存儲子系統(tǒng)、人工智能（AI）處理子系統(tǒng)三個部分組成，如圖2 所示。業(yè)務子系統(tǒng)主要完成數(shù)據(jù)導入、高速圖像處理、批量疑似患者報表輸出、數(shù)據(jù)可視化等功能。安全存儲子系統(tǒng)主要完成患者數(shù)據(jù)安全存儲及災備保護功能。人工智能處理子系統(tǒng)通過分析肺實變、磨玻璃影、鋪路石等典型特征完成患者病灶AI 智能分析、模型演化、數(shù)據(jù)聚合、數(shù)據(jù)訓練等功能。系統(tǒng)前端采用Vue 及商業(yè)數(shù)據(jù)圖片組件Echarts，后臺采用Java 和Python 混合實現(xiàn)，后臺框架由SpringCloud、Docker 服務抽離和Python TensorFlow 組成。

圖2 新冠病人AI 智能初篩系統(tǒng)組成

為了解決大量醫(yī)學圖像數(shù)據(jù)從醫(yī)生端到云數(shù)據(jù)中心的高速低延遲傳輸問題，系統(tǒng)采用了5G 網(wǎng)絡技術。具體地，需要解決終端接入5G 網(wǎng)絡的問題和數(shù)據(jù)在網(wǎng)絡中安全、高速、低延遲傳輸問題。對于終端接入5G 網(wǎng)絡，我們采用自研5G CPE 設備將醫(yī)生端設備快速接入5G 網(wǎng)絡，5G CPE 設備是一種將5G信號與WiFi 和以太網(wǎng)信號進行相互轉換的設備，可快速將醫(yī)療行業(yè)設備接入5G 網(wǎng)絡。為了達到部署快、成本低的目標，我們采用了5G 虛擬專網(wǎng)技術，即完全復用面向公眾的無線資源，包括基站設備和頻率資源，利用端到端切片等方式保障醫(yī)學圖像業(yè)務數(shù)據(jù)與公網(wǎng)數(shù)據(jù)隔離，提供服務等級協(xié)議（Service-Level Agreement，SLA）SLA 保障。

4 系統(tǒng)性能驗證

為了驗證該新冠病人AI 智能初篩系統(tǒng)的性能，我們開展了系統(tǒng)性能測試。實驗條件：GPU 型號為GeForce GTX 1080 Ti，內(nèi)存為11172 MiB，最大時鐘頻率為Graphics:1911 MHz、SM:1911 MHz、Memory:5505 MHz、Video:1708 MHz。

首先，我們測試了系統(tǒng)對病灶檢測和標注的準確性，如圖3 所示。在圖3 中，左圖為人工標注結果，右圖是AI 系統(tǒng)自動識別和標注結果，可以看出，系統(tǒng)能夠以劃定范圍和標記置信度的方式準確識別出病灶區(qū)域，不但準確識別出較大的病灶區(qū)域，而且能識別人工常常容易遺漏的病灶區(qū)域（如右圖中白色虛線圈出的兩處病灶區(qū)域）。

圖3 標注結果對比

為了量化評估系統(tǒng)性能，我們對比了采用本系統(tǒng)輔診與未采用本系統(tǒng)輔助情況下醫(yī)生的診斷準確率和診斷時間，如表2 所示，從表中可以看出，在系統(tǒng)輔助下醫(yī)生的診斷準確率從90% 提升到98%、診斷效率從2s/病灶提升到0.19s/病灶。這是因為在系統(tǒng)輔助下，系統(tǒng)快速檢測出了病灶（特別是小病灶），醫(yī)生只需在此基礎上進行二次診斷驗證，診斷時間得到極大縮減，同時由于醫(yī)生的二次驗證外加系統(tǒng)能很好地檢測出小病灶，診斷準確率也得以提升。隨著診斷病例的增加，無系統(tǒng)輔助的醫(yī)生疲勞加劇，診斷準確率和診斷效率隨時間降低，而有系統(tǒng)輔助的醫(yī)生診斷優(yōu)勢會進一步擴大。

表2 系統(tǒng)輔助診斷性能對比

5 結論

本文從新冠肺炎疫情防控的實際經(jīng)驗出發(fā)，結合新冠肺炎患者胸部CT 醫(yī)學特征，利用人工智能和5G 技術設計和研發(fā)了新冠病人AI 智能初篩系統(tǒng)，通過試驗驗證了系統(tǒng)的有效性和實用性，該系統(tǒng)輔助醫(yī)生提高了診斷效率和準確率為重大傳染病智能篩查系統(tǒng)設計提供了有價值的參考。