2020年10月27日，复旦大学抗击新冠肺炎疫情表彰大会在上海展览中心友谊会堂举行，会上对学校抗击新冠肺炎疫情的先进个人、先进集体、优秀共产党员、先进基层党组织进行了表彰。我院《新冠肺炎影像学 AI智能辅助诊断与预后预测》项目组荣获了“复旦大学抗击新冠肺炎疫情先进集体”奖章。
先进事迹介绍
自2019年12月出现的一种新型冠状病毒感染以来，疫情进展迅速，已在全世界各地大范围爆发。经过数月全国范围内艰苦卓绝的战“疫”，全国人民共同努力，中国疫情防控成效显著，但仍有零星反弹。世界其他国家战“疫”形势依然严峻，全球累计确诊人数已超过4300万，死亡人数已超过115万。
为及时采取正确的防疫工作，新冠肺炎的诊断工作面临着巨大挑战——CT影像资料需要大量经验丰富的医疗影像科和临床医生进行细致的分析诊断工作。为进一步提升诊断工作的效率，采用跨学科技术，借助计算机强大的计算能力和人工智能技术在医疗影像分析方面的突出成果，复旦大学大数据学院和计算机学院联合上海市（复旦大学附属）公共卫生临床中心放射科，展开了新冠肺炎影像学AI智能辅助诊断的相关研究工作。该研究旨在通过AI智能算法实现新冠肺炎与其他病毒性肺炎、细菌性肺炎的影像分类识别及病灶检测，帮助临床进行更高效的诊断。
复旦大学大数据学院、计算机学院联合上海市公共卫生临床中心放射科启动《新冠肺炎影像学AI智能辅助诊断与预后预测》相关研究工作，由大数据学院副院长、计算机学院薛向阳教授、大数据学院青年研究员付彦伟、计算机学院研究员冯瑞三位教师和上海公卫中心放射科单飞主任联合指导，旨在通过计算机进行新型冠状病毒肺炎的智能辅助诊断，提高医生的诊断效率。项目组于1月29日夜间启动相关研究工作，迅速组织动员相关老师、同学远程参与新冠肺炎AI智能诊断算法的科研攻关。
复旦大学《新冠肺炎影像学 AI智能辅助诊断与预后预测》研究项目组
负责人：薛向阳、付彦伟、单飞、冯瑞等
团队成员：蒋龙泉、钱学林等
团队克服不能集中办公的困难，利用远程协同办公工具，远程协调部署GPU计算资源，在短时间内完成数据的分发、清洗、标注等工作。2月9日完成了第一版算法的研发，当时核酸检测的假阴性高达 30%-50%，而这个算法却能将假阴性控制在10%以下。2月21日，团队学生负责人蒋龙泉同学将辅助诊断设备部署到了上海市公共卫生临床中心进行联试联调，完成了与影像科 CT 设备数据对接及临床应用流程嵌入，让读片速度从分钟“快进”到秒级。
研究成果
针对此次新冠病毒肺部CT影像数据较少的难题，团队基于前期在计算机视觉、医疗影像诊断等方面研究基础，利用团队在小样本学习、自迁移半监督学习、数据增强等方面研究经验，很好地解决了新冠肺炎分类及病灶检测的算法模型设计及训练等方面难题，获得了泛化性能好、识别精度高的算法模型，目前用实际临床数据测试表明，对新冠肺炎分类诊断的假阴性在7%左右（核酸检测假阴性高达30%-50%）。该项工作发表于《Annals of Translational Medicine》。
团队完成了与影像科 CT 设备数据对接及临床应用流程嵌入，让读片速度从分钟“快进”到秒级。截至 6 月 30日，系统辅助肺炎类型鉴别诊断超过 5000 人次，其中累计分析了上海地区 1900 多人次新冠肺炎患者初诊或复查的 CT 影像，为影像医生的诊断提供了帮助。
在团队研究期间，薛向阳教授与付彦伟老师、钱学林博士生等人提出了基于CT影像的多类别肺炎筛查深度学习系统，该系统具有强大的特征表征能力、可解释性和可应用性，可用于对多类别肺炎病例的CT影像（或单帧CT切片）进行筛查以及检测定位CT影像中的病灶区域，从而完成帮助临床医师进行新冠肺炎辅助诊断任务。在新冠肺炎、H1N1、CAP以及健康人四分类任务中，该方法取得了95.21%的准确率，仅有2.83%的假阳性和1.57%的疾病预测错误率，并有效地将新冠肺炎的敏感性从95%提升到99%，且保持97%的高特异性。该工作“M3Lung-Sys: A Deep Learning System for Multi-Class Lung Pneumonia Screening from CT Imaging”已被IEEE Journal of Biomedical and Health Informatics (JBHI) 期刊录用接收。该团队的博士生蒋龙泉还荣获了2020年复旦大学五四青年奖章、上海市大学生年度人物。
付彦伟代表领奖