国产精品二区三区,水蜜桃12p,欧美色图片一区二区,欧美黄色免费,国内自拍偷拍第一页,av亚洲在线观看

　　為了控制COVID-19的傳播，優先檢查大量可疑病例以進行適當的隔離和治療措施。致病性實驗室檢測是診斷的一大標準，但往往耗時且假陽性結果顯著。因此，迫切需要快速、準確的診斷方法來對抗這種疾病。

　　2月17日，天津醫科大學附屬腫瘤醫院徐波教授團隊及國家超級計算機天津中心的研究團隊在medRxiv預印本平臺上發表的文章中，介紹了雙方合作研發的一個利用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確度可達83%，且快速高效。

　　值得一提的是，這是第一項將人工智能技術應用于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行遠程操作。

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

　　研究人員修改了Inception遷移學習模型以建立算法，然后進行內部和外部驗證。結果顯示：內部驗證的總準確度為82.9%，特異性為80.5%，靈敏度為84%。外部測試數據集顯示總準確性為73.1%，特異性為67%，靈敏度為74%。

　　圖1. 顯示了具體的深度學習算法框架。使用修改后的Inception網絡隨機抽取ROI進行訓練，以提取特征。 然后，該算法進行預測。

　　這些結果為使用人工智能提取放射學特征以進行及時準確的COVID-19診斷提供了原理證明。

　　根據成像模式，有許多特征可識別病毒病原體，這些特征與它們的特定發病機理有關，COVID-19的標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遷移學習模型以建立算法，然后進行內部和外部驗證。

　　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例經診斷的典型病毒性肺炎，發病在COVID-19爆發之前。這些患者被稱為COVID-19陰性。其他44例來自三家經確認具有SARS-COV-2核酸檢測結果的醫院，因此稱為COVID-19陽性。之后，他們要求兩名放射科醫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)進行分析。這些圖像被隨機分割分為訓練集和驗證集。

　　圖2. COVID-19肺炎特征的一個案例。藍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，該模型已經模型訓練已經進行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、流行病學和臨床信息)的特征鏈接起來，進行進一步的優化和測試，提高準確性、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。

　　來源：前瞻網

　　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