新冠CT图像分析只需4分钟 计算机科学家研发了这些战疫终极武器

谷歌的数据科学竞赛平台Kaggle上已经有一个COVID-19病例数据集，并且每天都会更新。这些数据是可靠的，包括患者年龄、位置、开始出现症状的时间、暴露的时间、进入医院的时间等等。超过400人在自己的分析中使用了这些数据。

https://www.kaggle.com/sudalairajkumar/novel-corona-virus-2019-dataset

蒙特利尔大学的一位研究人员收集并公布了一个数据库，其中包括数十个CT扫描和胸部X光图像。这些图片是从公开的疾病研究中获取的。

https://github.com/ieee8023/covid-chestxray-dataset/blob/master/README.md?fbclid=IwAR30yTGBr55WXdCngCoICDENHycmdL2bGwlvl1ckdZM-ucjGH10Uakz7khk

约翰·霍普金斯大学建立了一个令人印象深刻的dashboard，它包含了来源可靠的数据，并定期更新，让全世界看到了疾病的传播和死亡率。GitHub上提供了可以复制和修改的代码。

https://www.arcgis.com/apps/opsdashboard/index.html#/bda7594740fd40299423467b48e9ecf6

其他数据集直接来自治疗患者的医院，医院已迅速尝试改变机器学习模型，以帮助医生寻找疾病的征兆。

以下是其中一些论文：

论文地址：https://arxiv.org/abs/2003.04655v2

论文题目：深度学习对CT图像中COVID-19的肺部感染定量研究

上海研究人员设计了一种系统，伴随着人工检查，该系统可以将CT图像的分析时间从数小时减少到大约4分钟。

论文地址：https://arxiv.org/abs/2003.05037v1

论文题目：冠状病毒（COVID-19）大流行的快速AI开发周期：使用深度学习CT图像分析进行自动检测和患者监测的初步结果

该论文还声称可以检测到COVID-19的存在，而且还可以可视化病毒对肺部的影响，以跟踪疾病随时间的进展。

论文地址：https://arxiv.org/abs/2002.05534v1

论文题目：异常的呼吸模式分类器可能有助于以准确无阻碍的方式大规模筛查COVID-19感染者

在这里，研究人员通过分析人的呼吸速度，寻找一种筛查COVID-19的听觉方法。这项研究还没有定论，但它是一种以较少侵入性方式测试病毒的新思路。

论文地址：https://arxiv.org/ftp/arxiv/papers/2002/2002.09334.pdf

论文题目：深度学习系统筛查2019新冠肺炎

这项工作试图将COVID-19患者所患的肺炎与普通流感区分开。

论文地址：

https://www.medrxiv.org/content/10.1101/2020.02.27.20028027v2.full.pdf

论文题目：使用以下三种临床特征预测重度Covid-19感染患者的危重程度：基于机器学习的武汉市临床数据预测模型

研究人员利用来自武汉的近3,000例患者的电子健康记录，构建了一种算法，该算法预测重症患者生存几率的准确率超过90%。

本文素材来自互联网