李宇轩 韩旭 谭保华

摘要：为了解决在影像医学诊断中仅依靠人工检阅出现的效率不佳等问题。通过观察法与深度访谈收集医师在诊断过程中的问题，总结了当前影像阅片系统的内在缺陷，运用计算机深度学习技术与人机工程学技术针对肺部传染病进行了阅片系统的创新设计。实现了针对COVID-19与其他常见肺部传染病的CT辅助诊断。认为使用Al辅助诊断系统利于临床诊断效率的提升，并能对影像医学工作流进行优化重塑，为各类疾病的智能识别系统的建立带来新的思路与参考。

关键词：影像医学;深度学习;人机工程学;COVID-19;传染病诊断

中图分类号：TB47

文献标识码：A

文章编号：1003-0069 （2020） 04-0090-03

引言

2019年12月，一种由新型冠状病毒引发的病毒性肺炎（COVID-19）爆发。在新型冠状病毒肺炎疫情初期因核酸檢测易出现假阳性，对检出率产生了影响。而另—方面COVID-19具有独特的影像学特征，但传统的人工检疫系统在新型冠状病毒肺炎疫情爆发期间，面对大量待查患者，低年资医师易出现效率不佳，诊断能力不足等问题[1]。针对问题以国家计算机中心为首的科研机构开始着手Al辅助诊断系统的研发[2]。而人机界面作为Al诊断系统不可分割的一部分，是医师处理信息的重要媒介，影响着医师对CT影像的检阅方式与处理速度，且在一定程度上影响着影像医学的工作流程。因此本文对于人机界面进行优化升级，认为其对加快临床诊断效率有重要意义。同时研究新兴技术与其使用载体如何合理进行了整合，是将先进技术转化为医疗产品的重要过程，对于推进智能医疗体系的发展有良好促进作用。

一、当前系统的设计缺陷

在医疗软件的开发中，良好的操作系统对医生诊疗效率与正确率有明显提升，而性能不足的操作系统则会起到相反作用[3]。在此次突发性公共卫生事件中，有诸多主客观因素导致现有系统无法充分辅助医生进行诊断。客观的外在因素有新型冠状病毒肺炎疫情初期待查病人过多、目前普遍使用的64排螺旋CT产出的图片精度与数量都大大增加，此类问题加大了医师的工作量，导致检阅效率的不佳。

同时在抗击COVID-19病毒的过程中，传统检疫软件系统暴露出诸多内在缺陷，包括系统功能上的不足与操作体验的不佳，原因是当前检阅系统各个阶段的操作依靠人工，对于智能化技术的应用程度较低，导致实际检验过程中医师的工作重复性强、机械化搡作多;而在临床诊断流程中，诊断医师普遍需用到多个电脑软件，也反映出现阶段的医疗诊断软件对于诊疗流程中的每个基本步骤不能实现功能上全面覆盖，在诊疗过程中出现功能空当。在调研中本文运用观察法与深度访谈法将收集到的数据进行整合，将传统诊断系统的内在缺陷分为：针对软件功能模块的缺陷、阅片流程中的用户痛点、视觉审美的改进需求这三个板块，如表1。

二、Al辅助诊断系统结构设计

（一）基于功能分区法的结构设计：区别于传统阅片系统冗长繁杂的结构设计，本系统结构的设计基于功能分区法，依据视觉规律优先呈现重要信息[4]，使得整体板块划分更为合理，如图1。系统主要分为两个大板块，围绕实现Al辅助诊断这一核心功能构建。

1.数据传达模块：该模块中重点为Al诊断数据传达，系统通过后台处理患者CT图像输出Al诊断结果与疾病特征值分析给表现层的系统界面。其中特征值展示了Al系统对于疾病可能性的预测，数值越大则样本患病可能性越高，是辅助诊断医师进行疾病诊断的重要数据。该部分的二级功能是选择不同疾病在Al筛选中优先级。

2.基础阅片模块：此模块是展示疑似CT的界面，是系统中医师进行检阅操作的主要区域。该部分优先为诊断医师展示系统判定最具有特征的疑似CT，并对特殊的病灶信息进行Al分析或批注。此部分的二级功能为阅片工具调整，用以保证医师能在本系统中完成诊断流程。

三、Al辅助诊断系统的实现

（一）Al系统的构建：首先，相较于当前系统过度依赖人工检阅，本系统利用Al技术优势从功能性上实现了突破，在效率上达到了人工检阅数十倍的提升，正确率也远高于低年资医师，而随着影像数据的不断扩充，精度也将不断提高。

并且在功能开发中，不一味地维持系统功能全面性，而是对肺科疾病进行有针对性的功能筛选，谨记以实现系统功能与维持医师的诊断体验为出发点，维持系统良好的操作性，较传统阅片系统冗杂的架构有明显改进。

（二）基于深度学习的技术支撑

1.技术合理性：随着计算机技术不断发展，人工智能的深度学习的技术不断完善，在检疫医学中也扮演着越来越重要的角色。计算机的深度学习技术通过其强大的分析算法与图像特征识别能力，已经在胸片质控、肺结节检出、肺癌诊断等诸多肺部疾病中取得成果并得到临床认可[5]，可以说是计算机深度学习技术的临床应用，为各类智能诊断系统的开发提供了功能保障。

2技术优越性：深度学习技术在COVID-19的临床诊断中的应用，—方面能辅助医生快速完成筛查疑似肺片与进行智能病程分析，另一方面可以替代人工迅速完成部分机械性工作，使诊断过程智能化程度上升。在本系统中，应用了效率更佳的机器学习方式，在准确性与机器学习效率上有了更进一步的提升（图2），已经实现准确地将输入肺部影像细分为COVID-19、非COVID-19、肺结核、细菌性肺炎、正常影像。

（三）符合人机工程学的界面设计：在针对COVID-19及其他常见肺部传染病的Al辅助诊断软件中，操作界面是计算机反馈智能诊断结果的重要载体，也是用户操控系统的主要途径，因此信息直观、操作高效的界面设计十分重要。在界面原型设计过程中，设计师对界面的功能分区进行了进一步划分，将整体界面细分为四个区域：Al诊断结果界面、阅片界面、工具栏、控制界面，如图3。医师阅片的区域与Al诊断区域划分明显，各个区域专用性高，误操作可能性大大降低。

值得强调的是，Al诊断信息的传达离不开合理的人机界面设计，本系统中利用医师的视觉焦点区放置重要信息，来强化特殊数据的重要性，达到突出疾病Al诊断与特征值信息的目的。

在数据呈现方式上采用图示语言搭配文本方式，—方面图示化语言加快了医师理解信息的速度，另—方面可利用更加直观的表格等反映各种疾病可能性之间对比，利于医师进行进一步的诊断。总体而言，本系统使用符合人机工程学的设计方法，从操作性上保障了系统的高效运作。四、Al辅助诊断系统的设计思路及要点

（一）Al辅助诊断系统的设计思路：良好的系统结构是系统的骨干，系统结构设计中，应基于系统的应用环境与用户展开来设计思路“。第一步是确定系统的首要目标。以本系统为例，辅助诊断系统主要应用于突发公共卫生事件与常规检疫过程，毋庸置疑，在这两个环境中时间是极为宝贵的。因此提升检阅效率是系统第一要义，根据COVID-19辅助诊断系统的任务角度来看，人工检阅在“初步阅片、筛选疑似肺片”这两个必要检阅步骤中花费时间多，可以运用深度学习技术进行合理的优化。团队经过整理专家意见与系统功能的临床测试，在保证功能性的前提下，使用优势技术代替了人工操作，经过模拟测试，可以极大地压缩检阅时间并持续为后续的精细检阅提供辅助诊断意见。

另—方面，人机界面是系统功能实现的载体，在界面设计中注重人机工程学的运用，设计以医师体验为中心的人机界面。以本系统为例，应充分尊重诊断医师操作习惯，除为了提供Al诊断信息需构建新的功能区域外，设计界面时充分参考“推想、东华”等公司推出的其熟悉的操作系统的界面与交互流程，做到最大程度上减少诊断医师使用时的操作障碍。

在开发阶段，利用美学规律，重视系统中各个界面的视觉设计，是提升系统操作性的良好举措。采用符合用户使用逻辑的版面分布，达到重点信息进一步突出的效果[7]，而良好的色彩搭配与符合规范的图标应用，亦使信息的易读性上升J表达内容更加具有通用性。综合考虑以上指导要素，本系统的高保真原型设计中，将界面功能进行合理布局后，在视觉元素设计中基础阅片界面采取深色背景，规避对诊断医师视觉造成干扰避免误操作。系统核心的数据传达界面采用浅色背景，突出Al诊断功能与疾病特征值传达，易于医生观察，最后得到操作性良好的主界面设计，如图4。

（二）Al辅助诊断系统的界面设计要点

1.数据传达模块：数据传达模块指的是向诊断医师输出Al诊断信息的界面是系统的核心功能，在视觉区域上应处于视觉焦点区域，与其他界面形成明显的视觉区分。在设计过程中将该部分的设计要点总结如下：

（1）筛选信息时专家法的应用：在信息呈现的选择中，应充分采用专家意见法，分析计算机能提供的有效信息后进行多轮筛选与专家测试，再根据其指导进一步对功能编排与操作逻辑进行修改，在开发过程中将专家意见与负责编写软件的技术人员的想法紧密结合，对需求功能的可行性进行评估判断，保证实际产品与需求的尽可能对接[8]，充分发挥Al的智能眭与辅助性，为疾病诊断带来尽可能多的有效辅助信息。

（2）突出重要信息：数据传达界面位于界面的视觉焦点区，应充分抓住焦点区域的视觉优势，优先呈现关键信息。在本系统中，疾病判定与其特征值分析是信息传达的核心，因此运用更多的空间与放大的字体等方式凸显其重要性，为医师的诊断提供充分的辅助。

（3）容错性：系统能够辅助医师进行诊断离不开Al程序的准确计算，在技术能够达到医用标准的同时，界面应准确表达计算机程序的判断结果。同时在不能保证后台算法百分之百的正确率时，应避免出现完全肯定与高于预期的判断和特征值的结果，充分维持系统的辅助性原则，避免在极少数情况下，因计算失误而影响人工判断结果。同时在出现问题时，应建立反馈机制，使得后台能够进一步完善系统提升其准确率。

（4）非专业人员的使用：当Al辅助诊断系统可能会应用于医疗水平落后区域时，需要考虑到非专业人员使用可能性，该情况下应配备有多种语言的重要功能说明并在初次使用时有相应功能上的提示引导，辅助用户学习系统的操作。同时在用户进行多次无效操作时使用弹窗等形式进行提示，为出现使用困难的用户提供操作指引。

2.基础阅片模块：该部分主要指的是为诊断医师提供CT影像的界面，目的是帮助医师进行初步人工诊断，—方面可以主观的诊断疾病，另—方面可以客观地比对计算机输出的诊断结果与特征值，达到Al判断与人工检阅双保险的效果。在设计过程中将该部分的界面设计要点总结如下：

（1）设计中改良为主：阅片界面是医师常年操作的界面，他们对于传统的阅片界面十分熟悉，考虑到可能已经养成了操作习惯，因此在该部分的界面设计中应以改进为主，对于工具的使用方法、视觉效果、操作流程原则上不予以改变，尽可能地了解院方原阅片器后进行个性化的开发设计，能极大降低医师使用辅助诊断系统时的陌生感，减少其学习时间。

（2）规范性与可调整性：市场中开发成熟的CT阅片软件已经较多，因此在新的系统设计时，在视觉图标上要注意规范性，保持与规范图标的一致性，减少医师使用时的困难。并在界面中需要保证功能的可调整性，为不同医师的诊断习惯留下调整空间，保证系统的普适性。

（3）利用软件间的互补性：在COVID-19及常见的肺部传染病辅助诊断系统中，核心功能为辅助诊断，为了减少系统的复杂性与对肺科疾病的专业性，构建舒适化的操作面板，对于CT的阅片器功能存在删减，因此在软件的初期版本中诊断医师需要进行精细阅片时可能会出现功能不足的问题。出现该类问题时，应充分考虑到计算机软件的灵活性与功能互补性，提供便捷的导入或切换软件功能，保障整体的诊疗流程顺畅。

五、重塑影像医学工作流的未来展望

基于人工智能的深度学习技术研究的不断发展，在检疫医学中大量根据影像学与形态学进行诊断的疾病在未来都有可能利用机器学习技术进行辅助诊断与智能诊断，能大大减少人工检阅的压力，在该系统被广泛推广使用后，将能使得各医院及防控单位的检阅效率与应急处理能力大大上升，形成醫疗诊断行业的整体大踏步前进。在下一步将自适应排版功能融入诊断系统中后，系统将可以根据诊断产出诊断结果模板，可以完全自动化地实现CT排版、疑似肺片集中显示、智能报告生成。这样的智能诊断系统拥有巨大的发展前景，能对影像工作流进行升级重塑（如图5）[9]，大大提升影像检疫医学的智能化水平与检出效率，能对临床影像医学的工作流程优化做出重大贡献。并且随着各个单位之间系统的连接，将有能力缓解目前医疗系统中的信息孤岛现象，形成以智能诊断为目的的医疗数据库，极大地推进医疗产业的信息化数据化。

结语

COVID-19及其他常见肺部传染病辅助诊断系统对肺科疾病的的临床诊断而言，相比传统人工检阅的正确率与效率，都有较大的提升，让诊断医师的工作量大大减少，为其分担了工作负担，极大地提升了各医院在处理突发性肺科疾病时的应急处理能力，同时对于类似的针对特定疾病的辅助诊断系统的开发，具有借鉴意义，使得设计者能从符合人机工程学角度进行系统设计。

对于肺科疾病的智能识别研究而言，本系统是加强检疫医学中的计算机技术应用的大胆尝试，为构建信息化的医疗体系做出了贡献。随着系统进入临床试验阶段，其在功能上会不断完善与优化升级，让更多的诊断医师了解并使用Al辅助诊断，无疑为Al辅助诊断技术的普及推广创造了机遇。.

基金项目：湖北省教育厅科研项目（ Q20191402）;湖北省文化创意产业化设计研究中心开放基金重点项目（HBCY1901）;湖北工业大学校园文化培育重点项目（ 2019SW0109）

参考文献

[1]黎格，熊曾，周晖等.CT查在2019冠狀病毒病筛查、诊断及治疗中的应用价值[J]中南大学学报（医学版），2020.45（03）：269-274

[2]刘志伟'王潇潇，王子文，新冠肺炎AI辅助医学影像诊断系统研究取得进展[J]仪器仪表用户，2020，27（03）：45

[3]符浩，董继先'王佳宁，医疗设备的人机界面研究[J]山东工业技术，2019（04）：164

[4]任工昌，何秋艳，高瑞芳，功能分解法在医疗产品交互界面中的应用[J]山东工业技术2019（03）：160-161+159

[5]Daniel SKermany Michael GoldbaumWenjia Cai，et al：一个基于深度学习的眼病和肺炎两大类疾病的AI诊断系统[J]科学新闻，2019（02）：33

[6]仲恒平，人机工程学在医疗空间与设备中的应用[J]中国医院建筑与装备.2012，l3（11）：102-104

[7]赵军芳，李世国，夏杰字，人机工程学原理在医疗产品设计中的运用[J]中国医疗器械杂志2007（06）：429-432

[8]宋惠艳，层次分析一灰色关联法在软件交互界面评价中的应用[J]东华大学学报（自然科学版），2008（03）：318-321

[9]Yang Wang. Fangnmg Yan，Xiaofan Lu，et aI.IILS： Intelligent ima9ng layout system foi automatic imaging reportstandardization and intraiDteidisciplinary clinical woridow opbmization[J] EBioMedicn]e，2019 Pages 162-181， ISSN2352_3964