人物：项世军，教授，博士生导师，暨南大学信息科学技术学院电子工程系副主任。 信息时报讯（记者 唐硕）新年伊始，一场突如其来的疫情改变了人们的生活，作为计算机和图像处理方面的教研工作者，项世军在疫情期间带领团队——暨南大学多媒体信息安全研究组，对新冠肺炎（COVID-19）的胸部CT图像进行了研究，旨在诊断前期，用AI辅助医生进一步准确、快速地判断新冠病毒肺炎。 2006年，项世军从中山大学计算机软件与理论专业博士毕业后，毕业论文《稳健音频水印研究》入选2007年“广东省优秀博士论文”。同年，项世军前往韩国高丽大学信息安全与管理系做博士后研究。2007年10月，他回到中山大学“数字化创新”985平台，任助理研究员。2008年7月，项世军就职于暨南大学信息科学技术学院，目前为电子工程系副主任、教授、博士生导师。项世军已发表论文80多篇，主持过国际自然科学基金多项，曾获教育部高等学校科学研究优秀成果奖一等奖，其带领的团队获2019年度第一届全国信息隐藏大赛音频组冠亚军、2018年度软件学报高影响力论文、国际数字水印学术会议最佳学生论文奖等。 用“电”脑帮“人脑”判定新冠病毒 “春节期间，我们在新闻上看到疫情越来越严重，2月份开始，新冠肺炎在多个国家蔓延，我们是既忧心又着急。”项世军说。项世军的研究方向是多媒体信息处理，他深感患者数量的爆发式增长，疑似病例的检测需求也会增多，这会导致医疗系统超负荷运转，及时发现、诊断并隔离治疗新冠肺炎病例是解决这一问题的唯一途径。 核酸检测是目前患者确诊的重要依据，实验前期项世军和他的学生们了解到，在疫区存在医疗资源紧张、核酸检测存在假阴性等问题，而诊断肺炎用的胸部CT图片对新冠肺炎感染辨识的灵敏度很高，可用于辅助核酸检测或缺少核酸检测下的新冠病毒肺炎诊断。 项世军说：“对抗疫情，人人有责。身为研究人员，使命感和责任感促使我们去开展相关研究，出一份力。”在医疗资源有限的情况下，如何更多更快更准的应查尽查？项世军认为，在医生的临床经验基础上，加上计算机的辅助，判定新冠病毒肺炎的准确性和速度都会有显著提高。“好比人类去分辨一样事物，要先认识它；AI要准确分辨出新冠病毒肺炎，要先给AI新冠肺炎患者、其他肺炎患者、健康人的胸部CT图片，训练它，而它自己会找不同，自己进行深度学习，学好后AI就能通过胸部CT图片快速辨别出区别。” 远程办公克服困难，多次训练AI提高准确性 因为难以获取一手的疫情数据，项世军及其团队通过网络搜寻各种公开的数据，建立了一个胸部CT图片数据集，包括：COVID-19图片、一般肺炎图片和正常图片共1042张，其中高质量COVID-19图片有521张；考虑到样本仍不够充分，团队采用了轻量级CNN模型并结合了数据增强技术，使得模型得到了更为有效的训练和泛化；之后，项世军及其团队对COVID-19和正常的胸部CT图片进行了训练和分类，对COVID-19和其它CT图片进行了训练和分类。考虑了实际中可能存在错误标签的影响，还进行校正训练。同时，利用统计的方式采用了平稳状态下多个模型的平均性能来测试算法的分类能力。 “2月底我们开始搜集数据，因为无法返校，每天我和我的研究生们（胡润文、阮观奇、黄明惠、梁巧仪和李敬轩）开两次视频会议线上碰头，团队分工合作搜集训练数据、训练AI模型、论文撰写、分析图像等。”
4月13日，经过夜以继日的训练、分析和测试，数据已经出来。4月24日，在暨南大学进行备案之后，项世军将撰写完毕的论文《Automated Diagnosis of COVID-19 Using Deep Learning and Data Augmentation on Chest CT》（中文译名：基于深度学习和数据增强技术的新冠肺炎胸部CT图片的自动诊断）发到了预印平台medRxiv网站上。 “经过多次试验，目前基于深度学习的AI判定新冠病毒肺炎的准确率达到90%以上。”项世军还将他们辛苦收集到的数据集上传到了github网站上欢迎大家下载、共享资源，“大家可以在我们的数据集上进一步研究，共同推动基于AI技术的新冠肺炎疫情研究的进步。”
| 
夜雨聆风
