登录
 机构网站
  1. 首页
  2. 情报产品
  3. 快讯详情

《华中科技大学和武汉协和医院团队开发基于深度学习技术的COVID-19检测方法》

  • 来源专题：生物安全知识资源中心 | 领域情报网
  • 编译者： hujm
  • 发布时间：2020-03-27

  • 3月17日，medRxiv预印本发表了来自协和医院、华中科技大学电子信息与通信学院人工智能研究所的题为“Deep Learning-based Detection for COVID-19 from Chest CT using Weak Label”的文章。
    文章中建立了一种基于深度学习方法的COVID-19胸部CT自动检测模型，有助于应对SARS-CoV-2的爆发。利用三维CT容积开发了一个基于弱监督深度学习的软件系统，用于检测COVID-19。对于每个患者，使用预先训练的Unet进行肺区域分割；然后将分割的3D肺区域作为3D深度神经网络输入，以预测COVID-19感染概率。
    从2019年12月13日到2020年1月23日收集的499个CT数据用于培训，从2020年1月24日到2020年2月6日收集的131个CT数据用于测试。深度学习算法的ROC-AUC为0.959，PR-AUC为0.976。ROC曲线敏感度为0.907，特异度为0.911。设置阈值为0.5时，对COVID阳性和COVID阴性进行分类的算法准确度为0.901，正预测值为0.840，负预测值为0.982。该算法用一个专用的GPU处理单个病人CT体积的用时只为1.93秒。
    文章结论，弱监督深度学习模型可以利用胸部CT体积准确地预测COVID-19感染概率，而无需对病灶进行标注训练。这种易于训练和高效的深度学习算法为识别COVID-19患者提供了一种快速的方法，有利于控制SARS-CoV-2的爆发。该深度学习软件的相关开发信息可在以下网址获得：https://github.com/sydney0zq/covid-19-detection

  • 原文来源：https://www.medrxiv.org/content/10.1101/2020.03.12.20027185v1
134浏览量
原文链接
相关报告

  • 《3月17日_华中科技大学和武汉协和医院团队开发基于深度学习技术的COVID-19检测方法》
    • 来源专题：COVID-19科研动态监测
    • 编译者：zhangmin
    • 发布时间：2020-03-18
    • 1.时间：2020年3月17日 2.机构或团队：华中科技大学同济医学院附属协和医院、华中科技大学电子信息与通信学院人工智能研究所 3.事件概要： 3月17日，medRxiv预印本发表了来自协和医院、华中科技大学电子信息与通信学院人工智能研究所的题为“Deep Learning-based Detection for COVID-19 from Chest CT using Weak Label”的文章。 文章中建立了一种基于深度学习方法的COVID-19胸部CT自动检测模型，有助于应对SARS-CoV-2的爆发。利用三维CT容积开发了一个基于弱监督深度学习的软件系统，用于检测COVID-19。对于每个患者，使用预先训练的Unet进行肺区域分割；然后将分割的3D肺区域作为3D深度神经网络输入，以预测COVID-19感染概率。 从2019年12月13日到2020年1月23日收集的499个CT数据用于培训，从2020年1月24日到2020年2月6日收集的131个CT数据用于测试。深度学习算法的ROC-AUC为0.959，PR-AUC为0.976。ROC曲线敏感度为0.907，特异度为0.911。设置阈值为0.5时，对COVID阳性和COVID阴性进行分类的算法准确度为0.901，正预测值为0.840，负预测值为0.982。该算法用一个专用的GPU处理单个病人CT体积的用时只为1.93秒。 文章结论，弱监督深度学习模型可以利用胸部CT体积准确地预测COVID-19感染概率，而无需对病灶进行标注训练。这种易于训练和高效的深度学习算法为识别COVID-19患者提供了一种快速的方法，有利于控制SARS-CoV-2的爆发。该深度学习软件的相关开发信息可在以下网址获得：https://github.com/sydney0zq/covid-19-detection 4.附件： 原文链接 https://www.medrxiv.org/content/10.1101/2020.03.12.20027185v1
    148浏览量
    原文链接

  • 《华中科技大学附属协和医院等团队研究COVID-19患者的血液学特征》
    • 来源专题：生物安全知识资源中心 | 领域情报网
    • 编译者：hujm
    • 发布时间：2020-06-25
    • 6月11日，Leukemia发表了题为“Hematological features of persons with COVID-19”的文章。 本文研究了湖北省武汉市5家医院1449例COVID-19感染住院患者的入院情况和动态人口学、血液学和生化共变量。研究确定了两个入院共变量：年龄（比值比OR=1.18，95%CI：[1.02，1.36]；P = 0.026）和基线D-二聚体水平（OR = 3.18，[1.48，6.82]；P = 0.003）与COVID-19患者死亡风险增加相关。四个动态共变量：Δ凝血因子（OR = 6.45，95%CI：[1.31，31.69]；P = 0.022）、Δ血小板 （OR = 0.95，，95%CI：[0.90–0.99]; P = 0.029）、Δ C-反应蛋白（CRP）（OR = 1.09， 95%CI：[1.01，1.18]；P = 0.037）和Δ乳酸脱氢酶（LDH）（OR = 1.03，95%CI：[1.01，1.06]；P = 0.007）与死亡风险增加相关。高龄、高基线D-二聚体、以及凝血因子、血小板、CRP、LDH动态共变量这些潜在危险因素有助于临床医生对预后不良的患者进行鉴别和治疗。
    134浏览量
    原文链接