% 0期刊文章%云飞咋一个王烁% %一个音译李% Qingxia吴%小虎李%一个王美云蒙牛% %一个小明邱% Hongjun李%他于%魏公%燕白%一个丽丽% Yongbei朱%流苏同学王%杰田% T全自动COVID-19深度学习系统的诊断和预后分析2020% % D R 10.1183/13993003.00775 J欧洲呼吸杂志-2020% % P 2019 X % V 56% N 2%冠状病毒病2000775 (COVID-19)已经在全球范围内传播,和医疗资源成为许多地区不足。快速诊断COVID-19发现高危患者预后差,早期预防和医疗资源优化是很重要的。在这里,我们提出了一种全自动COVID-19深度学习系统的诊断和预后分析通常使用计算机断层扫描。我们回顾性收集5372例ct图像从七个城市或省份。首先,4106例ct图像用于pre-train深度学习系统,使其了解肺功能。之后,1266名患者(924年COVID-19(> 5天)471年随访,342年与其他肺炎)从六个城市或省份为培训和外部验证深度学习系统的性能。四个外部验证集的深度学习系统取得了良好的性能在识别COVID-19从其他肺炎(AUC分别为0.87和0.88,)和病毒性肺炎(AUC 0.86)。此外,深入学习系统成功地将患者分为高和低风险组的住院时间有显著性差异(分别为p = 0.013, p = 0.014)。没有人类的帮助,深入学习系统自动关注异常区域显示和报告一致的特征辐射的发现。深度学习提供了一个方便的工具,快速筛选COVID-19和识别潜在的高危患者,这可能有利于医疗资源优化和早期预防患者表现出严重的症状。全自动深学习系统提供了一个方便的方法COVID-19诊断和预后分析,可以帮助COVID-19筛查和https://bit寻找潜在高风险的患者预后差。ly / 3 braxgw % U //www.qdcxjkg.com/content/erj/56/2/2000775.full.pdf