文章AU - Wang, AU - Zha硕，AU - Li云飞，AU - Wu卫民，AU - Li青霞，AU -牛小虎，孟AU - Wang, AU -秋美云，AU - Li小明，AU - Yu红军，He AU - Gong, Wei AU - Bai, Yan AU - Li AU - Zhu, AU - Wang永北，AU - Tian刘苏，Jie TI -用于COVID-19诊断和预后分析的全自动深度学习系统AID - 10.1184 /13993003.00775-2020 DP -2020 8月01日TA - European Respiratory Journal PG - 2000775 VI - 56 IP -2 4099 - //www.qdcxjkg.com/content/56/2/2000775.short 4100 - //www.qdcxjkg.com/content/56/2/2000775.full SO - Eur Respir J2020 8月01日;56 AB - 2019冠状病毒病(COVID-19)在全球传播，许多地区医疗资源不足。快速诊断和发现预后较差的高危患者，对早期预防和优化医疗资源具有重要意义。在这里，我们提出了一个全自动的深度学习系统，通过常规使用的计算机断层扫描来进行COVID-19诊断和预后分析。我们回顾性收集了来自7个城市或省份的5372例ct图像患者。首先，使用4106例患者的ct图像对深度学习系统进行预训练，使其学习肺部特征;在此之后，来自6个城市或省份的1266名患者(924名COVID-19患者(471人随访5天)和342名其他肺炎患者)接受了深度学习系统的培训和外部验证。在4个外部验证集中，深度学习系统在识别COVID-19与其他肺炎(AUC分别为0.87和0.88)和病毒性肺炎(AUC为0.86)方面取得了良好的效果。此外，深度学习系统成功地将患者分为住院时间有显著差异的高危组和低危组(p=0.013和p=0.014)。在没有人工辅助的情况下，深度学习系统自动聚焦于与报道的放射检查结果特征一致的异常区域。深度学习为快速筛查新冠肺炎疫情，识别潜在高危患者提供了便捷工具，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。A fully automatic deep learning system provides a convenient method for COVID-19 diagnostic and prognostic analysis, which can help COVID-19 screening and finding potential high-risk patients with worse prognosis https://bit.ly/3bRaxGw