​计算机科学家正在构造应对COVID-19的算法(附相关论文链接)


全文共1538字,预计学习时长5分钟

来源:Sompong Rattanakunchon/Getty Images

 

全球新型冠状病毒肺炎(COVID-19)确诊人数已超百万,且这一数字可能会急剧增长。

 

这一疫情的发展超乎众人的预想,世界仿佛都陷入了前所未有的恐慌之中。

 

在这场战役中,有一群美丽的“逆行者”博得了大家的掌声。

 

同样在IT领域,计算机科学家和机器学习研究人员也正以他们所了解的方式来应对这场世界性的流行病:编译数据集和构建算法,以从中学习。

 

在Google科学数据竞赛平台Kaggle上,已经建立了COVID-19的数据集,且每天更新。这些数据是可靠的,包括患者年龄、所在地、何时出现症状、何时暴露于公共场合、何时就医等等。已有近300人在自己的分析中引用了这些数据

 

蒙特利尔大学的一名研究人员已经收集并公布了一组,包括数十个CT扫描片和胸部X光片的数据库。这些图像取自该疾病的公开研究。

 

此外,约翰斯·霍普金斯大学创建了一个令人印象深刻且资源丰富的数据显示器,且定期更新,从而可以从全球视角了解该疾病的传播和死亡率。这些数据可以被复制或更改,因GitHub上提供了可用的代码。

 

其他数据集则直接来自治疗患者的医院,医院已迅速尝试改变机器学习模型,以帮助医生寻找该疾病的征兆。

 

来源:bioon

以下是其中的一些论文:

 

使用深度学习在COVID-19肺部感染的CT影像中进行定量研究

 

论文链接:

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

 

上海研究人员设计了一种系统,该系统可以与人工同步检查结果,将CT图像的分析时间从数小时减少至约4分钟。

 

冠状病毒(COVID-19)流行病的快速人工智能开发周期:使用深度学习CT图像分析法进行自动检测&患者监测的初步结果

 

论文链接:https://arxiv.org/abs/2003.05037v1

 

该论文声称不仅能够检测到COVID-19的存在,还可以使病毒对肺部的影响视觉化,以随时间跟踪疾病的发展。

 

异常的呼吸模式分类器可能有助于以准确且不唐突的方式大规模筛查COVID-19感染

 

论文链接:https://arxiv.org/abs/2002.05534v1

 

在这里,研究人员通过分析人的呼吸速度,探索一种筛查COVID-19的听觉方法。这项研究虽未定论,却是一个用较温和方式来检测病毒的新想法。

 

利用深入学习系统来检查新型冠状病毒肺炎

 

这项工作试图将COVID-19患者所患的肺炎与普通流感进行区分。

 

使用三种临床特征预测重度Covid-19感染患者的危急程度:基于武汉市临床数据的机器学习预测模型

 

论文链接:

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

 

研究人员利用来自武汉近3,000例患者的电子健康记录,构建了一种可以预测患者死亡率的算法,且准确率超过90%。

 

来源:Pexels

无数人的努力下,相信这场战“疫”我们势在必得。


推荐阅读专题

留言点赞发个朋友圈

我们一起分享AI学习与发展的干货

编译组:胡家瑞、王俊博

相关链接:

https://onezero.medium.com/computer-scientists-are-building-algorithms-to-tackle-covid-19-f4ec40acdba0

如转载,请后台留言,遵守转载规范

推荐文章阅读

ACL2018论文集50篇解读

EMNLP2017论文集28篇论文解读

2018年AI三大顶会中国学术成果全链接

ACL2017论文集:34篇解读干货全在这里

10篇AAAI2017经典论文回顾

长按识别二维码可添加关注

读芯君爱你

©️2020 CSDN 皮肤主题: 大白 设计师: CSDN官方博客 返回首页
实付0元
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、C币套餐、付费专栏及课程。

余额充值