新冠肺炎病者及普通肺炎病者的胸部电脑断层扫描图像及智能诊断系统产生的肺炎部位识别图
澳门大学科技学院王百键教授及机电工程系博士生晏涛开发一种基于多尺度卷积神经网络的智能自动诊断系统，能成功区分新型冠状病毒肺炎和其他常见的肺炎，诊断速度比医生快将近60倍，为肺炎检测带来新的可行方案。该研究刚获国际科学期刊Chaos, Solitons & Fractals发表。
新冠病毒肺炎一般通过深喉唾液核酸测试来确认，但核酸测试也存在不少缺点，例如供应不足，费时且假阴性率高等问题，可能导致患者无法及时诊断，更可能导致病毒扩散。目前，众多专家已建议使用胸部电脑断层扫描（CT）来诊断可疑病例，因为即使在发病初期，也可以透过胸部电脑断层扫描来检测。CT诊断准确性高且可以提供与治理有关的详尽资讯，但胸部电脑断层扫描图像则需要人手识别其特征，加上患者众多及每位患者的多次CT扫描皆产生了大量的CT图像（每次扫描平均产生过百片图像），这对身处疫情严峻地区的放射科医生来说是一个重大挑战。
为此，王百键教授及晏涛于疫情初期便与湖北省襄阳市中心医院放射科的副主任王江涛、医师任浩、襄阳市第一人民医院的放射科副主任李阳以及普外科主治医师王华侨合作研究，取得了这两间医院的206个核酸检测为阳性的个案及他们416组胸部电脑断层扫描图像。另一方面，他们在医院内也取得了412组没有新型冠状病毒但只有普通肺炎的胸部电脑断层扫描图像。
基于这些少量CT图像，研究团队研发一种基于多尺度卷积神经网络的自动诊断系统。验证结果表明，在有限数量的训练数据下，该智能诊断系统能成功区分新型冠状病毒肺炎和其他常见的肺炎，其诊断能力与经验丰富的放射科医生相当，但诊断速度却比医生快将近60倍，这为肺炎检测带来新的可行方案。此外团队还进一步拓展该系统的功能，他们开发的多类肺炎诊断算法及新型冠状病毒肺炎严重性预测算法已接近完成。不久后，该智能系统将可具有区分正常肺部与五种常见肺炎及对新冠病毒肺炎患者进行严重性预测的能力。
研究论文《运用多尺度卷积神经网络从胸部电脑断层扫描图像中自动区分新型冠状病毒肺炎和普通肺炎》（Automatic Distinction between COVID-19 and Common Pneumonia using Multi-Scale Convolutional Neural Network on Chest CT Scans）刚获国际科学期刊Chaos, Solitons & Fractals发表，此论文从递交至正式发表仅用了一个月。Chaos, Solitons & Fractals 是SCI一区期刋。
论文全文可浏览：https://doi.org/10.1016/j.chaos.2020.110153
