机构名称：
¥ 1.0
随着 2019 年冠状病毒病 (COVID-19) 疫情在全球范围内持续蔓延，检测 COVID-19 并隔离检测呈阳性的个体仍然是防止疾病在社区传播的主要策略。目前检测 COVID-19 的黄金标准方法是逆转录聚合酶链反应 (RT-PCR) 检测。然而，RT-PCR 测试的灵敏度不高（约 70%），耗时费力，并且供应不足，特别是在资源有限的国家。因此，使用胸部 X 光和计算机断层扫描等更广泛可用和可访问的医学成像方式自动准确地检测 COVID-19 可能会大有裨益。我们开发了一种新颖的分层注意力神经网络模型，将胸部 X 光片图像分类为属于 COVID-19、其他感染或无肺炎（即正常）的人。我们将此模型称为 COVID-19 检测人工智能 (AIDCOV)。AIDCOV 中的层次结构可捕获特征的依赖关系并提高模型性能，而注意力机制使模型可解释且透明。使用 5801 张胸部图像的公开数据集，我们证明我们的模型实现了 97.8% 的平均交叉验证准确率。AIDCOV 在从胸部 X 光检查图像中检测 COVID-19 方面的灵敏度为 99.3%，特异性为 99.98%，阳性预测值为 99.6%。AIDCOV 可与 RT-PCR 检测结合使用或替代 RT-PCR 检测（在无法进行 RT-PCR 检测的地方），以检测和隔离 COVID-19 患者并防止其进一步传播给普通人群和医护人员。
艾滋病毒
主要关键词
相关文件推荐
