文摘
COVID-19相关肺部疾病可以模拟辐射特征的其它病毒性肺疾病,如流感可能导致误诊。在这项研究中,我们提出了一个人工智能框架基于卷积神经网络相结合的体系结构和递归神经网络架构与COVID-19 CT分类卷,流感和没有感染。模型训练数据集的300名患者(100名患者在每个类)。每组15连续轴向相应的体积CT片相关的标签是输入3通道输入5次指向CNN-RNN网络。以rt - pcr为基准COVID-19确诊病例和流感,我们的模型,当评估一个独立的验证组400 CT患者,可以准确分类COVID-19患者CT卷,流感,或者没有感染的敏感性为96% (COVID-19)和95%(流感)(表1)。图1显示了正确的比例分类和分类错误的用例在每个类。我们的模型提供了快速准确的诊断的病人怀疑COVID-19感染,促进及时实施隔离程序和早期干预。
脚注
本文引用:欧洲呼吸杂志2020;56:5。64年,3587年。
这个抽象是2020人队国际大会,在会议“呼吸道病毒的“pre COVID-19“时代”。
这是一个人国际大会抽象。没有全文版本是可用的。进一步的材料来陪这个抽象可能可用www.ers-education.org(人队成员访问)。
- 版权©2020年作者