UBCO(不列颠哥伦比亚大学奥卡纳干分校)研究人员正在测试另一种新冠筛查方法,以在全球范围内与该病毒作斗争。
副教授 Mohamed S. Shehata、博士后研究员 Mohamed Abdelpakey 和研究生 Sherif Elbishlawi 开发了 CORONA-Net,这是一种深度学习神经网络,可以使用 X 射线图像快速检测新冠感染。
该方法是作为快速测试和聚合酶链反应 (PCR) 测试的替代方法而开发的,这两种测试在世界许多地方可能无法实现。通过使用 CORONA-Net,人工智能系统可以标记出可疑病例,以便快速跟踪和快速查看,而无需专家。
"新冠通常会引起人类肺部的肺炎,这可以在 X 射线图像中检测到。这些 X 射线数据集——由新冠引起的肺炎患者、由其他疾病引起的肺炎患者以及健康人的 X 射线——使我们有可能创建深度学习网络,这些网络可以区分患有新冠的人和没有患病的人,”Elbishlawi 说。
虽然目前还不知道CORONA-Net检测新冠的准确率,但随着数据集的增加,准确率会继续提高。Elbishlawi 说,该程序可以随着时间的推移自动改进,并自我学习以提高准确性。然而,到目前为止,该程序已经对新冠做出了高度准确的预测。
“ CORONA-Net 可以对医疗保健系统产生重大而积极的影响,因为对每个怀疑患有这种疾病的人进行检测是很困难的。CORONA-Net 可以在灵敏度、阳性预测值和整体准确性方面提供准确和有希望的结果,”Abdelpakey 说。