口 Lung Infection Quantification of COVID-19 in CT Images with Deep Learning 
● 研究机构∶复旦大学上海中心医院放射科，上海大学等
● 数据∶训练集包含249个COVID-19病例，验证集包含300个COVID-19病例。
● 结论∶针对COVID-19患者，开发了一基于深度学习的CT肺部感染区域自动分割系统，使用dice（平均达到91.6%）和POI评价模型，训练的卷积神经网络"VB-Net"（整体结构类Unet）有助于临床诊断，提高诊断效率。
口 Rapid AI Development Cycle for the Coronavirus（COVID-19）Pandemic∶ Initial Results for Automated Detection & Patient Monitoring using Deep Leaxning CT Image Analysis
● 科研机构∶RADLogics，温州医科大学台州医院，Assistant 医院，马里兰医科大学
● 冠状病毒与非冠状病毒的分类结果0.996AUC（95%CI∶0.989-1.00），灵敏性98.2%特异性92.2%.可视化病灶，同时对病例的进展进行追踪。
口 Deep Learning System to Screen Coronavirus Disease 2019 Pneumonia 
● 科研机构∶浙江大学第一附属医院，温州中心医院等
● 数据∶共618张CT，219张CT来自110个COVID-19病人，224张CT来自224个流感A病人，175张CT来自健康样本Process
● 结论∶三分类准确率为86.7%
口 Artificial Intelligence Distinguishes COVID-19 from Community Acquired Pneumonia on Chest CT
● 科研机构∶武汉黄陂人民医院，江汉大学附属医院，武汉肺病医院，深圳医学重点实验室等
● 该研究期望研制一种胸部CT全自动COVID-19检测系统，并对其性能进行评价
● 开发的深度学习模型（COVNet）可以准确地检测COVID-19并将其与社区获得性肺炎等肺部疾病区分开来;独立检测组检测COVID-19的敏感性和特异性分别为90% 【95%CI∶83%，94%）和96%【95% CI∶93%，98%】），AUC为0.96（p-value<0.001）
口 A machine learmning-based model for survival prediction in patients with severe
COVID-19 infection，科研机构∶华中科大，同济医院
● 武汉地区404名感染患者的血液样本数据库，以确定疾病严重程度的关键预测生物标志物
● 机器学习工具选择了三种生物标志物来预测单个患者的存活率，准确率超过90%∶乳酸脱氢酶
（LDH）、淋巴细胞和高敏感性c反应蛋白（hs-CRP）
> 相对高水平的LDH似乎在区分需要立即就医的绝大多数病例中发挥了关键作用
> 提出简单可行的公式来快速预测高危患者，使他们得到优先考虑，并有可能降低死亡率

来源：《医学影像人工智能的应用与进展》课程。

声明：仅供医学药学专业人士阅读，不构成实际治疗建议。