5G網絡下新冠病人AI智能初篩系統(tǒng)設計與實現

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提出，胸部CT（Computed Tomography）是新冠肺炎臨床診斷的重要依據[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，由于患者數量多、肺內病灶多、進展變化快、短時間內需要多次復查、醫(yī)生資源緊缺、醫(yī)生臨床經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品。目前，國內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)，但主要集中在互聯網問診、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]。基于卷積神經網絡（CNN）的醫(yī)學影像分割處理技術目前已經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，這對于人工智能數據標注、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)生經驗的數據，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 影像數據量大，為了實現數據高速率、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據并調整算法參數從而獲得較好的模型；同時，5G 技術天然具備高速率、低時延數據傳輸特性[9-10]，通過5G 網絡傳輸大量CT 影像數據是可行的。

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 影像數據，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、減少疲勞導致的數據誤判。

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 數據導入、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、數據可視化等。批量病例CT 數據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據同時上傳，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據中精準篩選、標記并分析出疑似新冠病例，同步將疑似病例的數據置頂，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據以報表的形式輸出，供醫(yī)務人員快速定位疑似患者。數據可視化功能支持將判讀異常的數據統(tǒng)一以數據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)主要完成數據導入、高速圖像處理、批量疑似患者報表輸出、數據可視化等功能。安全存儲子系統(tǒng)主要完成患者數據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、數據聚合、數據訓練等功能。系統(tǒng)前端采用Vue 及商業(yè)數據圖片組件Echarts，后臺采用Java 和Python 混合實現，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)學圖像數據從醫(yī)生端到云數據中心的高速低延遲傳輸問題，系統(tǒng)采用了5G 網絡技術。具體地，需要解決終端接入5G 網絡的問題和數據在網絡中安全、高速、低延遲傳輸問題。對于終端接入5G 網絡，我們采用自研5G CPE 設備將醫(yī)生端設備快速接入5G 網絡，5G CPE 設備是一種將5G信號與WiFi 和以太網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 網絡。為了達到部署快、成本低的目標，我們采用了5G 虛擬專網技術，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)務數據與公網數據隔離，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。