在新冠肺炎疫情防控的緊要關(guān)頭，北京小白世紀網(wǎng)絡(luò)科技有限公司（簡稱“小白世紀”）聯(lián)合創(chuàng)始人兼首席科學家黃高博士，與國家呼吸系統(tǒng)疾病臨床研究中心、廣州醫(yī)科大學附屬第一醫(yī)院等知名醫(yī)療機構(gòu)合作，成功研發(fā)了小白新冠影像人工智能（AI）輔助診斷系統(tǒng)。

該系統(tǒng)針對新型冠狀病毒肺炎，在原有全肺輔助診斷系統(tǒng)基礎(chǔ)上，通過增加全國數(shù)千例新冠肺炎確診患者肺部CT影像進行分析，實現(xiàn)新冠肺炎CT影像診斷可在20秒內(nèi)完成對一份病歷的分析，并且在回顧性測試病歷上準確率和召回率均達95％以上。為鑒別新冠肺炎與普通肺炎，該模型評估指標AUC值為0．97，外加額外的臨床特征，AUC值可達0．98，大幅提升影像診斷的精準性與便捷性。

小白世紀AI賦能精準影像診斷

黃高博士研發(fā)的新冠肺炎AI檢測模型，在疫情高峰期成功投入使用。截至2020年3月31日，已經(jīng)在國家呼吸系統(tǒng)疾病臨床醫(yī)學研究中心、武漢市金銀潭醫(yī)院、武漢火神山醫(yī)院、華中科技大學同濟醫(yī)學院附屬協(xié)和醫(yī)院、廣州醫(yī)科大學附屬第一醫(yī)院、解放軍總醫(yī)院第一醫(yī)學中心等300余家醫(yī)院累計完成CT影像分析30000余例。

新冠肺炎CT影像快速診斷設(shè)備的核心算法，采用了黃高提出的新一代深度神經(jīng)網(wǎng)絡(luò)架構(gòu)DenseNet（2017年）。DenseNet從根本上解決了深度模型的訓練難題，是近些年人工智能領(lǐng)域一個里程碑式的工作，被圖靈獎得主、卷積神經(jīng)網(wǎng)絡(luò)之父Yann LeCun教授列為當前四大主流深度卷積神經(jīng)網(wǎng)絡(luò)模型之一。被廣泛應(yīng)用于醫(yī)療、生物、化學、互聯(lián)網(wǎng)等諸多領(lǐng)域。

DenseNet示意圖

此次抗擊疫情，DenseNet模型在新冠肺炎影像識別中，發(fā)揮出巨大作用。根據(jù)DenseNet的深度學習算法，計算機預(yù)先學習訓練數(shù)據(jù)，學習新冠肺炎的特征，在為患者診斷的過程中，計算機自動讀取CT影像，利用該算法自動分析、對比，查找出與新冠肺炎相匹配的特征，從而達到快速、精準的診斷效果。目前，該系統(tǒng)相關(guān)成果已經(jīng)整理成學術(shù)論文，投稿至醫(yī)學領(lǐng)域頂級期刊。

黃高博士表示：“疫情爆發(fā)導致閱片數(shù)量激增，醫(yī)生閱片工作量大。新冠肺炎屬于新發(fā)疾病，各地醫(yī)療機構(gòu)特別是基層機構(gòu)缺乏閱片經(jīng)驗。 ‘異病同影’及病灶發(fā)展快等問題，也對新冠肺炎診斷造成了極大困擾。此外，根據(jù)國家呼吸系統(tǒng)疾病臨床醫(yī)學研究中心主任鐘南山院士的發(fā)布的首篇新冠病毒論文，部分感染患者存在正常放射學表現(xiàn)，CT確診新冠病毒感染準確率為76．4％。AI影像輔助診斷的推行，就是精準打擊在抗擊新冠肺炎疫情工作中的‘不利因素’�！�

黃高，小白世紀聯(lián)合創(chuàng)始人兼首席科學家、清華大學控制科學與工程博士，曾在美國康奈爾大學計算機系從事博士后研究。主要研究方向包括機器學習、深度學習和計算機視覺，是主流深度學習模型DenseNet的提出者。在NIPS、ICML、CVPR、ICCV、ECCV、ICLR等國際會議與期刊發(fā)表論文40余篇，谷歌學術(shù)引用次數(shù)12000余次，是國內(nèi)近十年在計算機視覺三大頂尖會議以第一作者發(fā)表論文被引用次數(shù)最高的學者。