全自动机器学习系统诊断COVID-19，无需人工辅助可极速完成
（文章来源：前瞻网）
新冠肺炎已在全球范围内传播，许多地区的医疗资源不足。快速诊断covid-19，发现预后差的高危患者，对早期预防和优化医疗资源具有重要意义。
机器学习已经被利用在许多领域，包括医学影像的早期筛查和诊断。在新冠疫情的防治上，这项技术一样能大展身手。一篇发表在预印本平台medrxiv上的论文“a fully automatic deep learning system for covid-19 diagnostic and prognostic analysis”提出了一个全自动的深度学习系统，用于covid-19诊断和预后分析的常规使用计算机断层扫描。
研究人员回顾性收集了来自7个省市的5372例ct图像。首先，他们利用4106例ct图像和基因信息对机器学习(dl)系统进行预训练，使其了解肺的特征。随后，来自6个省市的1266名患者(924例covid-19, 471例随访5+天;342人患有其他肺炎)参与了深度学习系统的培训和外部验证。
该系统包括三个部分：肺自动分割、非肺区抑制、covid-19诊断和预后分析。在这个dl系统中，涉及两个dl网络：densenet121-fpn用于胸部ct图像中的肺部分割，以及新的covid-19网络用于covid-19的诊断和预后分析。
dl是一个层次神经网络家族，旨在学习原始数据与期望临床结果之间的抽象映射。将dl模型中的计算单元定义为层次，并将它们集成起来模拟人脑的推理过程。主要的计算公式是卷积、池化、激活和批处理规范化。
在4个外部验证集中，深度学习系统在区分covid-19与其他肺炎(auc=0.87和0.88)和病毒性肺炎(auc=0.86)方面表现良好。此外，深度学习系统成功将患者分为高危组和低危组，两组患者住院时间差异有统计学意义(p=0.013和0.014)。在没有人工辅助的情况下，深度学习系统会自动聚焦于异常区域，这些区域的特征与所报道的放射学发现一致。
该系统具有良好的诊断和预测性能，在不增加成本的前提下，对covid-19的流行控制有一定的帮助。如果是疑似病人，几分钟内就能获得ct扫描。之后，该dl系统可用于预测患者有covid-19的概率。如果患者被诊断为covid-19，dl系统还可以同时预测其预后情况，这可以用来寻找需要紧急医疗资源和特殊护理的潜在高危患者。
更重要的是，该系统速度快，不需要人工辅助图像标注，提高了其临床应用价值和鲁棒性。对于典型的病人胸部ct扫描，dl系统用于预测预后和诊断的时间不到10秒。
尽管这个dl系统具有良好的性能，但研究人员也提出，本研究仍存在一些局限性。首先，还有其他的预后终点事件，如死亡或进入重症监护室，本研究没有考虑这些事件。其次，重度covid-19与轻度covid-19的治疗方法不同，因此，分别探讨两组covid-19的预后有一定帮助。
深度学习为快速筛选covid-19和发现潜在高危患者提供了方便的工具，这可能有助于优化医疗资源，在患者出现严重症状前进行早期预防。
凌力尔特公司推出高压负输出DC/DC控制器LTC3863
基于UC3842的多路输出型开关电源设计方案
5分钟充电一半，高通骁龙660/630发布，或将搭配OPPOr11可能更逆天
RISC-V是被遗忘的霸主？
大联大诠鼎集团力推TOSHIBA相关于智能手机应用的完整解决方案
全自动机器学习系统诊断COVID-19，无需人工辅助可极速完成
TI公司的600mA完全集成的电源解决方案
USB3.0数据传输问题及处理方法有哪些
这款电动牙刷在配置和品控方面并不输于知名大牌
苹果的接班人会是谁？
CSR音频平台与APTX技术助魔声公司产品实现无线化
dfrobot减速电机6V减速比1:35 375rpm简介
lens龙头的迭代——技术变革带来历次弯道超车机遇
环保用电采集模块
苹果大单助推 Bosch飙升MEMS榜单龙头宝座
通过拉伸纳米管可以改变其结构和导电性能
浅谈电子价签气密性检测设备在防水测试上的应用
谷歌推动人工智能与互联网深入结合：云脑兴起
R&S FSC频谱分析仪的功能特性和应用优势
全球智慧交通的发展情况是怎样的
新冠肺炎已在全球范围内传播，许多地区的医疗资源不足。快速诊断covid-19，发现预后差的高危患者，对早期预防和优化医疗资源具有重要意义。
机器学习已经被利用在许多领域，包括医学影像的早期筛查和诊断。在新冠疫情的防治上，这项技术一样能大展身手。一篇发表在预印本平台medrxiv上的论文“a fully automatic deep learning system for covid-19 diagnostic and prognostic analysis”提出了一个全自动的深度学习系统，用于covid-19诊断和预后分析的常规使用计算机断层扫描。
研究人员回顾性收集了来自7个省市的5372例ct图像。首先，他们利用4106例ct图像和基因信息对机器学习(dl)系统进行预训练，使其了解肺的特征。随后，来自6个省市的1266名患者(924例covid-19, 471例随访5+天;342人患有其他肺炎)参与了深度学习系统的培训和外部验证。
该系统包括三个部分：肺自动分割、非肺区抑制、covid-19诊断和预后分析。在这个dl系统中，涉及两个dl网络：densenet121-fpn用于胸部ct图像中的肺部分割，以及新的covid-19网络用于covid-19的诊断和预后分析。
dl是一个层次神经网络家族，旨在学习原始数据与期望临床结果之间的抽象映射。将dl模型中的计算单元定义为层次，并将它们集成起来模拟人脑的推理过程。主要的计算公式是卷积、池化、激活和批处理规范化。
在4个外部验证集中，深度学习系统在区分covid-19与其他肺炎(auc=0.87和0.88)和病毒性肺炎(auc=0.86)方面表现良好。此外，深度学习系统成功将患者分为高危组和低危组，两组患者住院时间差异有统计学意义(p=0.013和0.014)。在没有人工辅助的情况下，深度学习系统会自动聚焦于异常区域，这些区域的特征与所报道的放射学发现一致。
该系统具有良好的诊断和预测性能，在不增加成本的前提下，对covid-19的流行控制有一定的帮助。如果是疑似病人，几分钟内就能获得ct扫描。之后，该dl系统可用于预测患者有covid-19的概率。如果患者被诊断为covid-19，dl系统还可以同时预测其预后情况，这可以用来寻找需要紧急医疗资源和特殊护理的潜在高危患者。
更重要的是，该系统速度快，不需要人工辅助图像标注，提高了其临床应用价值和鲁棒性。对于典型的病人胸部ct扫描，dl系统用于预测预后和诊断的时间不到10秒。
尽管这个dl系统具有良好的性能，但研究人员也提出，本研究仍存在一些局限性。首先，还有其他的预后终点事件，如死亡或进入重症监护室，本研究没有考虑这些事件。其次，重度covid-19与轻度covid-19的治疗方法不同，因此，分别探讨两组covid-19的预后有一定帮助。
深度学习为快速筛选covid-19和发现潜在高危患者提供了方便的工具，这可能有助于优化医疗资源，在患者出现严重症状前进行早期预防。
凌力尔特公司推出高压负输出DC/DC控制器LTC3863
基于UC3842的多路输出型开关电源设计方案
5分钟充电一半，高通骁龙660/630发布，或将搭配OPPOr11可能更逆天
RISC-V是被遗忘的霸主？
大联大诠鼎集团力推TOSHIBA相关于智能手机应用的完整解决方案
全自动机器学习系统诊断COVID-19，无需人工辅助可极速完成
TI公司的600mA完全集成的电源解决方案
USB3.0数据传输问题及处理方法有哪些
这款电动牙刷在配置和品控方面并不输于知名大牌
苹果的接班人会是谁？
CSR音频平台与APTX技术助魔声公司产品实现无线化
dfrobot减速电机6V减速比1:35 375rpm简介
lens龙头的迭代——技术变革带来历次弯道超车机遇
环保用电采集模块
苹果大单助推 Bosch飙升MEMS榜单龙头宝座
通过拉伸纳米管可以改变其结构和导电性能
浅谈电子价签气密性检测设备在防水测试上的应用
谷歌推动人工智能与互联网深入结合：云脑兴起
R&S FSC频谱分析仪的功能特性和应用优势
全球智慧交通的发展情况是怎样的