智能识别病原，洞察人心：“小飞”细粒度肺炎AI影像精准辅助诊断平台

[目录]

关于小肺

利用AI从胸部X光医学图像中智能识别肺炎及病原类型的辅助诊断平台，包括网页、微信小程序、APP等。

把论文写在祖国大地上写进心肝里，同济智慧在AI医疗。

如何使用小肺

进入微信小程序或在PC上输入网址，上传本地胸片图片，或者点击检测图片，即可进行AI智能肺炎识别。

微信小程序

网页

关于晓飞

肺炎——发展中国家儿童死亡的主要原因

据世界卫生组织报告，肺炎每年导致全球多达200万儿童死亡，超过艾滋病、疟疾和麻疹死亡人数的总和，成为儿童死亡的首要原因。儿童临床肺炎新发病例95%发生在发展中国家，包括东南亚、非洲和拉丁美洲。

细菌和病毒是引起肺炎的两个主要原因。早期诊断肺炎类型至关重要。

细菌性肺炎需要立即进行抗生素治疗，以防止支气管肺炎链球菌和金黄色葡萄球菌的扩散。

病毒性肺炎需要立即隔离患者，防止飞沫传播，2002年的非典疫情，已经成为国人的共同记忆。

肺炎可引起呼吸困难、高烧、持续咳嗽、神经系统紊乱、胃肠道紊乱等症状，肺炎的严重程度通常可以通过CURB-65指数来衡量。

根据胸部X线图像和病理情况，肺炎分为大叶性肺炎、支气管肺炎（小叶肺炎）和间质性肺炎。

目前，肺炎的诊断主要依靠血液检查、胸片检查和痰培养。血液检查需要穿刺抽血，胸片分析需要经验丰富的医生，痰培养需要很长时间。落后地区医疗资源匮乏，过度依赖人工判断不仅让医生精疲力竭，还会导致漏诊。患者排队三小时，看病五分钟。专家预约难求，精准医疗遥不可及。

小飞的愿景：智能医疗诊断助力精准扶贫

党的十九大报告指出，要抓好重大疾病防控，实施健康中国战略，推动互联网、大数据、人工智能和实体经济深度融合。

我们希望利用前沿的人工智能图像识别算法，对肺炎医学大数据图像进行细粒度的数据挖掘，并构建网页和微信小程序页面，减轻医生负担，为患者提供精准诊断，助力贫困地区打赢脱贫攻坚战。

小飞的黑科技：卷积神经网络与迁移学习

以卷积神经网络（CNN）为代表的图像分类算法近年来发展迅速，已经超越了人类的水平。我们使用深度残差网络、微软自动机器学习工具进行迁移学习、针对类别不平衡细粒度模型训练的 Fine- 技术以及多分类混淆矩阵来评估算法性能。

将神经网络推理接口封装为API，实现前后端分离。

网站基于国人自主研发的开源前端框架Vue.js构建，网页和后端API部署在华为云、微软、阿里云轻量级应用服务器上，实现负载均衡和自动化测试运维。

构建微信小程序并基于腾讯云实现云开发。

.jpg)

参考文献和数据集

，S.，等人。“和-深。” Cell 172.5（2018）：1122-1131。

广州市妇幼保健院1-5岁儿童胸部X光影像与数据科学大赛

数据集描述：

训练数据包含：

1579 张正常肺部 X 光图像

2760张细菌性肺炎的X射线图像

1485张病毒性肺炎的X射线图像

小肺开发团队

产品经理、数据处理、API构建、文档：子豪哥

用户交互设计、文档：吴珊珊

视频专栏：同济大学子豪师兄

前端开发、服务器运维：

技术支持：微软、阿里云、华为云、腾讯云、AWS、开客吧、

致谢：

同济大学微软学生俱乐部、开源软件协会

清华大学开源软件镜像站

重庆大学微软学生俱乐部、人工智能协会、网络信息协会

西南人工智能爱好者联盟

微软2018年度教育部产学研合作教育创新创业联合基金项目

微软创新实践工作站项目

特别提示：本品可能存在偏差，仅用于辅助诊断，如有不适，请立即就医。

胸部 X 光医学图像的解释