圖片由林青龍提供。

愛荷華大學的研究人員 開發 了一種新的深度學習模型，可以在 2D 胸片上檢測肺部異常，就 好像它們是使用更詳細的 3D 計算機斷層掃描技術獲得的一樣。

參與該模型開發的專家表示，它可能在 CT 掃描不易獲得的地區受益，特別是在長期感染 COVID 的患者的情況下。

“該模型的新元素是從 3D CT 掃描中獲取顯示肺容量的信息，并將該信息傳輸到一個模型中，該模型將在 2D 圖像中顯示這些相同的特征，” 學院機械工程系主任Ching-Long Lin愛荷華州的工程學院，在一份新聞稿中說。“臨床醫生將能夠使用胸部 X 光片來檢測這些結果。這是更大的視角。”

該模型使用由 3D 圖像構建的復合 2D 圖像來檢測 COVID 患者肺功能的變化。

為了創建該模型，研究人員使用了 1 4 0 名感染 COVID 并在 UI 醫院和診所接受治療或呼吸問題治療的患者的 CT 成像。該成像包含在吸氣和呼氣期間完成的采集，并與一組105名從未感染過 COVID 的患者的檢查進行了比較。 使用這種成像，該模型經過訓練，可以區分健康患者和 COVID 患者，此外還能夠識別COVID-19 后的亞型。

該模型在區分 COVID 組和健康對照組方面的準確率達到了 90% 。除此之外，該模型還確定了長期 COVID 患者的兩組不同特征——一組因小氣道疾病和一氧化碳彌散能力而增加的空氣滯留，另一組肺容量減少和毛玻璃增加不透明度。

當應用于胸部成像時，該模型可以捕獲兩種 COVID 后亞型的特征，其特征是由于小氣道疾病和氣道相關的間質纖維化模式導致的空氣滯留。

林指出，雖然 CT 掃描并不總是可訪問的，但 X 射線通常是可訪問的。在可訪問性是一個挑戰的情況下，Lin 及其同事相信他們的模型可以幫助縮小護理差距。

“我們的模型可以進一步改進，我相信它有可能在所有診所使用，而無需購買昂貴的成像設備，例如 CT 掃描儀。”