新型冠状病毒肺炎(COVID-19)医学影像AI诊断研究进展

来源 :中国图象图形学报 | 被引量 : 4次 | 上传用户:outerwy
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
2020年3月,世界卫生组织(World Health Organization, WHO)宣布新型冠状病毒肺炎(corona virus disease 2019,COVID-19)为世界大流行病,疫情的爆发给世界各地医疗系统带来巨大压力。现有的COVID-19诊断标准是核酸检测阳性,然而核酸检测假阴性率高达17%~25.5%,为避免漏诊,需要采用基于影像学的AI诊断方法筛查大量疑似病例,扼制疾病传播。本综述将回顾疫情爆发数月以来,基于医学影像的新冠肺炎AI辅助诊断的研究成果。首先介绍CT(com
其他文献
[目的]初步研究Id1蛋白在侵袭性垂体腺瘤组织中的表达及意义,构建代号为NQ-04的原代侵袭性垂体腺瘤细胞株,探讨siRNA转染后NQ-04细胞侵袭性的改变,从而为临床诊断和治疗侵袭
随着成像技术的成熟,临床医生及实验人员能获得同时带有时间和空间信息的4D(3D+时间)数据,用于纵向研究疾病变化情况。由于缺乏合适的处理算法,导致明显的信息丢失。为解决这一问题,一些研究发挥人工智能在海量数据处理上的优势进行纵向医学图像分析,研究目标随时间的动态变化。本文对4D时空纵向分析在生物学运动目标追踪、医学影像分割、肿瘤生长预测、血管动力学和神经科学等应用进行综述,重点探讨了人工智能技术与
医学影像的诊断是许多临床决策的基础,而医学影像的智能分析是医疗人工智能的重要组成部分。与此同时,随着越来越多3D空间传感器的兴起和普及,3D计算机视觉正变得越发重要。本文关注医学影像分析和3D计算机的交叉领域,即医学3D计算机视觉或医学3D视觉。本文将医学3D计算机视觉系统划分为任务、数据和表征3个层面,并结合最新文献呈现这3个层面的研究进展。在任务层面,介绍医学3D计算机视觉中的分类、分割、检测