蒋龙泉在上海市公共卫生临床中心
2月21日，一位小伙子来到了上海市收治新冠肺炎患者的定点医院——上海市（复旦大学附属）公共卫生临床中心，他此行的目的是前往放射科，部署新冠肺炎辅助诊断设备。
“2019-nCoV肺炎影像学AI智能辅助诊断”研究工作由复旦大学副校长张志勇牵头，复旦大学计算机科学技术学院和大数据研究院联合上海市（复旦大学附属）公共卫生临床中心放射科，于1月29日正式启动，旨在通过AI智能算法实现2019-nCoV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。
这名小伙叫蒋龙泉，是复旦大学计算机科学技术学院在读博士生，也是这个项目的学生负责人。在计算机科学技术学院教授薛向阳、研究员冯瑞和大数据学院青年研究员付彦伟等共同指导下，学生团队仅用11天就完成了第一版CT影像诊断程序的研发工作。
勇于担当，把科研攻关应用在疫情防控一线
“疫情发生以后，我和同学们都很关注，形成了利用AI技术辅助新冠肺炎医疗的初步想法。”蒋龙泉介绍，CT影像是诊断新冠肺炎的一个重要依据，影像科医生诊断一个病例要看400层左右的影像，需耗时15分钟左右，而疫情前期疑似病例较多，医生的工作量巨大，寻找提升效率的方法迫在眉睫。
机器视觉是蒋龙泉所在的上海视频技术和系统工程研究中心的重点研究内容，在三位老师的指导下，蒋龙泉和实验室的学生团队一道，分成几个小组，从1月29日起开始了紧张的研究工作。
蒋龙泉所在实验室合影（前排右二为蒋龙泉）
“尽管工作量大，时间又紧，但大家都想要铆足了劲，为研究顺利开展提供了支撑。”蒋龙泉说。以一定数据量作为练习集，是利用深度学习模型诊断CT影像的第一步。将每个病例的影像一层层仔细看好，勾勒出病灶，数据标注组的十几位学生，标注完一个重症病例的CT影像需要花费四五个小时，轻症的也要一两个小时。
跟医院协调沟通，每日进行科研进展汇报，带领其他小组快马加鞭地研究病灶分割、病种分类以及3D神经网络算法，蒋龙泉本人的工作更加不轻松。对于深度学习而言，样本量越大，数据多样性越大，能供提取的信息和特征就越多，但由于条件所限，团队短时间内无法取得大量标注的数据样本，只能通过迁移学习、数据增强等方式进行小样本学习，研究的难度无疑加大了。
几秒钟完成一个CT影像的诊断程序，勾勒出病灶，并识别出肺炎类别，2月9日，团队的第一版程序研发完成。核酸检测的假阴性高达30%-50%，而这个程序却能将假阴性控制在10%以下，同时还能帮助减少漏诊率，哪怕最小的病灶大约只有5-10个像素，仍可以快捷地指出其位置，辅助医生更有针对性地观察。
十二天后，团队开发的相关辅助诊断设备系统进入上海市（复旦大学附属）公共卫生临床中心进行联试联调，随后完成了与影像科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3月18日，该系统累计分析了上海地区320名新冠确诊患者的CT影像，为影像医生的诊断提供了帮助。
蒋龙泉在上海市公共卫生中心调试设备
坚定理想，党和人民的需要就是奋斗的方向
“如果这方面研究取得更大突破，一是可以在三甲医院资源稀缺的地区用计算机辅助诊断，二是可以提高效率，缓解现在检测速度慢、专家医生挂号难等问题；三是可以让一些疾病在早期就得到快速筛查。”蒋龙泉介绍，近几年，他所在的实验室将目光投向智慧医疗领域，着手进行基于影像的辅助诊断算法的研究工作，试图通过人工智能对影像的辅助诊断，使计算机接近甚至达到医生专家的水平，实现肺癌、脑胶质瘤、胰腺癌、糖尿病视网膜病变等重大高发疾病的早期筛查，提高诊断效率。
“糖尿病病人早期症状不明显，但视网膜会随着病程发生不同程度的病变。”蒋龙泉举例说：“如果将拍摄眼底图像的设备与人工智能系统结合起来，将这样的设备投放到社区，老百姓可以方便地进行检查，并获得人工智能辅助诊断的结果，一旦出现病变能够及时就诊，实现疾病的早发现、早治疗。”
“各位老师给予我机会和耐心指导，我才能够参与到这么多重大又有意义的项目中。”谈及未来，蒋龙泉坚定地表示，自己会在计算机视觉领域“走下去”：“人工智能是一个应用性强、与实际应运用结合紧密的领域，我们研究的方向和目标也将始终围绕国家和社会的需要。”
