五月天丁香久久_亚洲欧美另类综合偷拍_精品国产一区久久_亚洲欧洲日韩在线

　　為了控制COVID-19的傳播，優(yōu)先檢查大量可疑病例以進(jìn)行適當(dāng)?shù)母綦x和治療措施。致病性實驗室檢測是診斷的一大標(biāo)準(zhǔn)，但往往耗時且假陽性結(jié)果顯著。因此，迫切需要快速、準(zhǔn)確的診斷方法來對抗這種疾病。

　　2月17日，天津醫(yī)科大學(xué)附屬腫瘤醫(yī)院徐波教授團(tuán)隊及國家超級計算機天津中心的研究團(tuán)隊在medRxiv預(yù)印本平臺上發(fā)表的文章中，介紹了雙方合作研發(fā)的一個利用CT圖像輔助診斷新型冠狀病毒肺炎的人工智能模型。該模型鑒別新冠肺炎與其他病毒性肺炎的總準(zhǔn)確度可達(dá)83%，且快速高效。

　　值得一提的是，這是第一項將人工智能技術(shù)應(yīng)用于CT圖像以有效篩查COVID-19的研究，每例病例的時間約為2秒，并且可以通過共享的公共平臺進(jìn)行遠(yuǎn)程操作。

　　文章中透露，根據(jù)CT圖像中COVID-19的射線照相變化，研究人員們假設(shè)深度學(xué)習(xí)方法可能能夠提取COVID-19的圖形特征并在病原體檢測之前提供臨床診斷，從而節(jié)省了控制疾病的關(guān)鍵時間。

　　研究人員修改了Inception遷移學(xué)習(xí)模型以建立算法，然后進(jìn)行內(nèi)部和外部驗證。結(jié)果顯示：內(nèi)部驗證的總準(zhǔn)確度為82.9%，特異性為80.5%，靈敏度為84%。外部測試數(shù)據(jù)集顯示總準(zhǔn)確性為73.1%，特異性為67%，靈敏度為74%。

　　圖1. 顯示了具體的深度學(xué)習(xí)算法框架。使用修改后的Inception網(wǎng)絡(luò)隨機抽取ROI進(jìn)行訓(xùn)練，以提取特征。 然后，該算法進(jìn)行預(yù)測。

　　這些結(jié)果為使用人工智能提取放射學(xué)特征以進(jìn)行及時準(zhǔn)確的COVID-19診斷提供了原理證明。

　　根據(jù)成像模式，有許多特征可識別病毒病原體，這些特征與它們的特定發(fā)病機理有關(guān)，COVID-19的標(biāo)志是斑塊狀陰影和毛玻璃不透明的雙邊分布。

　　具體來看，研究人員收集了453例病原體確診的COVID-19病例和先前診斷為典型病毒性肺炎的CT圖像，修改了Inception遷移學(xué)習(xí)模型以建立算法，然后進(jìn)行內(nèi)部和外部驗證。

　　他們回顧性地納入了99例患者，其中研究入組對象列包括55例經(jīng)診斷的典型病毒性肺炎，發(fā)病在COVID-19爆發(fā)之前。這些患者被稱為COVID-19陰性。其他44例來自三家經(jīng)確認(rèn)具有SARS-COV-2核酸檢測結(jié)果的醫(yī)院，因此稱為COVID-19陽性。之后，他們要求兩名放射科醫(yī)生檢查圖像并總共繪制了453張代表性圖片(258張為COVID-19陰性，195為COVID-19陽性)進(jìn)行分析。這些圖像被隨機分割分為訓(xùn)練集和驗證集。

　　圖2. COVID-19肺炎特征的一個案例。藍(lán)色箭頭指向毛玻璃樣的不透明度，黃色箭頭指向胸膜壓痕。

　　研究人員們指出，該模型已經(jīng)模型訓(xùn)練已經(jīng)進(jìn)行15,000次迭代，雖然目前還存在一些局限性，未來他們講可以通過把CT圖像的分層特征與其他因素(例如遺傳、流行病學(xué)和臨床信息)的特征鏈接起來，進(jìn)行進(jìn)一步的優(yōu)化和測試，提高準(zhǔn)確性、特異性和敏感性，該平臺可以用于輔助臨床診斷，為COVID-19疾病控制做出貢獻(xiàn)。

　　來源：前瞻網(wǎng)

　　參考來源：A deep learning algorithm using CT images to screen for Corona Virus Disease (COVID-19)，https://www.medrxiv.org/content/10.1101/2020.02.14.20023028v2.full.pdf+html