1.时间：2020年2月25日
2.机构或团队：中山大学国家超级计算广州中心；武汉大学人民医院放射科；中山大学孙逸仙纪念医院放射科等
3.事件概要：
medRxiv于2月25日出版了中山大学国家超级计算广州中心等发表的预印本论文“Deep learning Enables Accurate Diagnosis of Novel Coronavirus (COVID-19) with CT images”。
背景：随着COVID-19在世界范围内的迅速传播，计算机断层扫描（CT）对于疾病快速诊断已变得至关重要。因此，迫切需要开发一种精确的计算机辅助方法，以辅助临床医生从CT图像中识别COVID-19感染患者。
研究收集了来自中国两个省份医院的88例COVID-19确诊患者，101例细菌性肺炎患者以及86例健康人的胸部CT扫描结果，以进行比较和建模。基于收集的数据集，开发了基于深度学习的CT诊断系统（DeepPneumonia），以识别COVID-19患者。
研究结果表明，该模型可以从其他人中准确地识别出COVID-19患者，其ROC曲线下面积(AUC)为0.99，召回率（敏感性）为0.93。此外，该模型区分COVID-19患者和肺炎患者的AUC为0.95，召回率（敏感性）为0.96的COVID-19感染患者和细菌性肺炎感染患者。此外，文章指出，该模型可以定位主要病变特征，尤其是肺部磨玻璃样阴影（GGO），这对协助医生进行诊断非常有帮助。对一个患者的诊断可以在30秒内完成，并且在Tianhe-2超级计算机上可以同时并行执行数千个任务。可访问http://biomed.nscc-gz.cn/server/Ncov2019通过在线服务器使用CT图像进行在线诊断。
4.附件：
原文链接：https://www.medrxiv.org/content/10.1101/2020.02.23.20026930v1
