机构名称：
¥ 1.0
人工智能 (AI) 方法在 COVID-19 感染的诊断和预后方面具有巨大潜力。快速识别 COVID-19 及其在个体患者中的严重程度有望更好地控制个体和整体疾病。科学界对使用影像生物标志物来改善 COVID-19 的检测和管理表现出浓厚兴趣。基于 AI 的模型等探索性工具可能有助于解释复杂的生物学机制，并更好地理解潜在的病理生理过程。本综述重点介绍基于 AI 的 COVID-19 研究，包括胸部 X 光 (CXR) 和计算机断层扫描 (CT) 成像模式及其相关挑战。显式放射组学、深度学习方法以及结合深度学习和显式放射组学的混合方法有可能增强放射图像在当前 COVID-19 大流行中协助临床医生的能力和实用性。本综述的目的是：首先，概述 COVID-19 AI 分析工作流程，包括数据采集、特征选择、分割方法、特征提取以及适用于基于 AI 的 COVID-19 研究的多变量模型开发和验证。其次，讨论了基于 AI 的 COVID-19 分析的现有局限性，强调了可以进行的潜在改进。最后，总结了 AI 和放射组学方法的影响及其相关的临床结果。在本综述中，详细阐述了包括基于 AI 的 COVID-19 特征识别关键步骤的流程。样本量、非标准成像协议、分割、公共 COVID-19 数据库的可用性、成像和临床信息的结合以及全面的临床验证仍然是主要的局限性和挑战。我们得出结论，基于 AI 的 CXR 和 CT 图像评估具有作为 COVID-19 诊断、随访和预后的可行途径的巨大潜力。
人工智能驱动的 COVID-19 放射图像评估
主要关键词
相关文件推荐
