美国高校开源迄今为止最大新冠肺炎CT数据集

胸部计算机断层扫描（CT）图像在对新冠肺炎（COVID-19）提供准确、快速、廉价的筛查和检测方面很有前景。

在本文中，研究者构建了一个开源的COVID-CT数据集，其中包含275个COVID-19检测呈阳性的CT图像，有助于使用深度学习方法分析病人的CT图像并预测其是否患有新冠的相关研究和发展。

研究者在该数据集上训练了一个深度卷积神经网络，F1值达到0.85，这个结果达到了研究团队的期待，但仍需进一步改进。

相关数据和代码：
https://github.com/UCSD-AI4H/COVID-CT

核酸检测的最大问题：速度慢且稀缺，追不上新冠肺炎的传播速度

截至2020年3月30日，在全世界范围内已有775306人感染新冠肺炎，37083人死亡。对此疾病检测的低效和缺乏成为控制其传播的主要障碍。

目前的检测主要基于逆转录聚合酶链反应（RT-PCR），需要4到6个小时才能获得结果。与新冠肺炎可怕的传播速度相比，这远不够快。除了效率低下之外，RT-PCR检测试剂盒也非常短缺。

这促使研究团队去研究替代的检测方式。这些方式可能更快，比RT-PCR便宜，更容易获得，但与RT-PCR一样准确。在众多可能性中，研究团队对CT图像尤其感兴趣。

有几篇著作研究了CT图像在筛选和检测新冠肺炎时的效果，结果鼓舞人心。然而，出于对隐私的保护，这些研究中所使用的CT图像并不会公之于众，这极大地阻碍了基于CT图像的精准检测新冠肺炎先进人工智能方法的研发。