运用人工智能，新冠肺炎肺部感染辅助诊断系统助力一线抗疫

影像学分析在新冠肺炎患者的诊断和临床分型中具有重要意义。西安交通大学第一附属医院影像学教授郭佑民带领团队，在前期承担国家卫生健康委重大行业专项《基于“数字肺”的呼吸系统疾病评价体系与诊断标准研究》基础上，针对新冠肺炎肺部影像学特点与医学成像技术公司合作，近日成功研发出新冠肺炎肺部感染辅助诊断系统，实现了对患者肺内病变部位快速检出、病变范围定量评价和病变演变过程评估。

郭佑民介绍，CT扫描是新冠肺炎诊断的重要环节，但在影像诊断过程中，每位患者的CT检查多达几百幅甚至上千幅图像，单靠影像诊断医师从庞杂的图像特征中筛选出新冠肺炎所具有的特征，不仅对医师经验要求高，而且需要一定的观察时间，严重影响病例筛查效率。

据介绍，新冠肺炎肺部感染辅助诊断系统的关键核心采用了人工智能结合计算机视觉技术，对患者肺部病变区域进行分割、计算，可以同时获取病变区域的体积、密度、磨玻璃成分等定量参数，尤其是对于患者随访的数据，可以实时进行图像配准，精准定位病灶位置、大小，方便比较病变的消长。

通过临床试验发现，该系统能够辅助医生对新冠肺炎进行快速诊断，并能提供智能诊断报告，适应阻断疫情扩散蔓延的公共卫生紧急应对要求，具有很好的临床应用效果。

目前，该系统已在华中科技大学协和医院等多家医院部署，还将免费向全国医疗机构开放使用。

（原题为：《西安交大团队研发新冠肺炎肺部感染辅助诊断系统助力一线抗疫》）