​計算機科學家正在構造應對COVID-19的算法（附相關論文連結）

全文共1538字，預計學習時長5分鐘

全球新型冠狀病毒肺炎（COVID-19）確診人數已超百萬，且這一數字可能會急劇增長。

這一疫情的發展超乎眾人的預想，世界仿佛都陷入了前所未有的恐慌之中。

在這場戰役中，有一群美麗的「逆行者」博得了大家的掌聲。

同樣在IT領域，計算機科學家和機器學習研究人員也正以他們所了解的方式來應對這場世界性的流行病：編譯數據集和構建算法，以從中學習。

在Google科學數據競賽平台Kaggle上，已經建立了COVID-19的數據集，且每天更新。這些數據是可靠的，包括患者年齡、所在地、何時出現症狀、何時暴露於公共場合、何時就醫等等。已有近300人在自己的分析中引用了這些數據。

蒙特婁大學的一名研究人員已經收集並公布了一組，包括數十個CT掃描片和胸部X光片的資料庫。這些圖像取自該疾病的公開研究。

此外，約翰斯·霍普金斯大學創建了一個令人印象深刻且資源豐富的數據顯示器，且定期更新，從而可以從全球視角了解該疾病的傳播和死亡率。這些數據可以被複製或更改，因GitHub上提供了可用的代碼。

其他數據集則直接來自治療患者的醫院，醫院已迅速嘗試改變機器學習模型，以幫助醫生尋找該疾病的徵兆。

以下是其中的一些論文：

使用深度學習在COVID-19肺部感染的CT影像中進行定量研究

論文連結：

https://arxiv.org/abs/2003.04655v2https:/arxiv.org/abs/2003.04655v2

上海研究人員設計了一種系統，該系統可以與人工同步檢查結果，將CT圖像的分析時間從數小時減少至約4分鐘。

冠狀病毒（COVID-19）流行病的快速人工智慧開發周期：使用深度學習CT圖像分析法進行自動檢測&患者監測的初步結果

論文連結：https://arxiv.org/abs/2003.05037v1

該論文聲稱不僅能夠檢測到COVID-19的存在，還可以使病毒對肺部的影響視覺化，以隨時間跟蹤疾病的發展。

異常的呼吸模式分類器可能有助於以準確且不唐突的方式大規模篩查COVID-19感染者

論文連結：https://arxiv.org/abs/2002.05534v1

在這裡，研究人員通過分析人的呼吸速度，探索一種篩查COVID-19的聽覺方法。這項研究雖未定論，卻是一個用較溫和方式來檢測病毒的新想法。

利用深入學習系統來檢查新型冠狀病毒肺炎

這項工作試圖將COVID-19患者所患的肺炎與普通流感進行區分。

使用三種臨床特徵預測重度Covid-19感染患者的危急程度：基於武漢市臨床數據的機器學習預測模型

論文連結：

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

研究人員利用來自武漢近3,000例患者的電子健康記錄，構建了一種可以預測患者死亡率的算法，且準確率超過90%。

來源：Pexels

無數人的努力下，相信這場戰「疫」我們勢在必得。

留言點贊關注

我們一起分享AI學習與發展的乾貨

如轉載，請後台留言，遵守轉載規範