加拿大AI公司开源“COVID-Net”,可识别和分析新冠状病毒

后台-系统设置-扩展变量-手机广告位-内容正文顶部

近日,一家位于加拿大安大略省的AI初创公司DarwinAI宣布开源其分析工具“COVID-Net”,将帮助专业医护人员识别和分析新冠状病毒(COVID-19)。

 

COVID-Net 是一个深度卷积神经网络,主要通过在胸部 X 光片上识别出该疾病的明显迹象,来筛查可疑冠状病毒感染的患者。

 

 

目前,COVID-Net 已完成开源。DarwinAI联合创始人Alexander Wong表示,希望通过开源COVID-Net以及有关构建COVIDx 数据集的描述,对医护人员分析COVID-19有所帮助。

 

同时可以提高开发高度准确且实用的深度学习解决方案,以发现 COVID-19 病例同时加快对患者的治疗。

 

在 COVID-Ne t开源之后反响非常强烈,DarwinA收到了很多改进的建议,也有一些科研人员在此基础之上进行了优化 。来自也门、印度尼西亚、土耳其和沙特阿拉伯等国家的研究人员已经开始尝试使用COVID-Net用于新冠病毒分析

 

对于计算资源可能稀缺的区域(例如发展中国家或连接性较差的环境),DarwinAI 还发布了COVID-Net 的“精简版”,可以在笔记本电脑上运行。根据Alexander的说法,与完整版本相比,该版本的准确性仅下降了一点。

 

现阶段,DarwinAI团队正在研究 COVID-RiskNet项目,一款针对新冠病毒风险分层量身定制的深度神经网络工具。COVID-RiskNet 的主要功能是预测该疾病是否会严重影响一个人的健康以及最佳治疗方法

 

简单来说,医护人员通过该工具可以快速了解问题的严重性,并找出解决问题的方法。DarwinAI 希望在未来几周内开源 COVID-RiskNet。

 

在此次疫情中,国内外的科技公司都希望通过AI的手段来帮助医护人员提高工作效率和节省宝贵的时间,并提升对新冠病毒的识别准确率。

 

之前,阿里达摩院便联合阿里云针对新冠肺炎临床诊断研发了一套全新AI诊断技术,可以在20秒内准确地对新冠疑似案例CT影像做出判读,分析结果准确率达到96%

 

 

新冠疫情早期,由于确诊案例样本量少,医疗机构缺少高质量临床诊断数据,核酸检测作为病原学证据被公认为新冠肺炎诊断的主要参考标准。随着临床诊断数据的积累,新冠肺炎的影像学大数据特征逐渐清晰,CT影像诊断结果变得愈发重要。

 

根据国家卫健委公布的诊疗方案第五版,临床诊断无需依赖核酸检测结果,CT影像临床诊断结果可作为新冠肺炎病例判断的标准。

 

新冠肺炎患者的CT胸片的影像特征表现为单肺或双肺多发、斑片状或节段性磨玻璃密度影等细微变化。一位新冠肺炎病人的CT影像大概在300张左右,这给医生临床诊断带来巨大压力,医生对一个病例的CT影像肉眼分析耗时大约为5-15分钟

 

阿里达摩院医疗AI团队基于当前最新的诊疗方案、钟南山等多个权威团队发表的关于新冠肺炎患者临床特征的论文,与浙大一附院、万里云、长远佳和古珀医院等多家机构合作,率先突破了训练数据不足的局限,基于5000多个病例的CT影像样本数据,学习训练样本的病灶纹理,研发了全新的AI算法模型。

 

通过NLP自然语言处理回顾性数据、使用CNN卷积神经网络训练CT影像的识别网络,AI可以快速鉴别新冠肺炎影像与普通病毒性肺炎影像的区别,最终识别准确率高达96%

 

AI每识别一个病例平均只需要不到20秒,大大提高诊断效率,减轻医生压力。此外,AI还能直接算出病灶部位的占比比例,进而量化病症的轻重程度,大幅提升临床诊断效率。

未经允许不得转载:RPA中国 | RPA全球生态 | 数字化劳动力 | RPA新闻 | 推动中国RPA生态发展 | 流 > 加拿大AI公司开源“COVID-Net”,可识别和分析新冠状病毒

后台-系统设置-扩展变量-手机广告位-内容正文底部