По мере того, как новые события становятся в центре внимания новостей, они становятся объектом внимания многих исследователей. Начиная от автоматического обнаружения и заканчивая новыми способами прогнозирования сценариев потенциальных вспышек, это некоторые популярные научные исследования данных о COVID-19, также известном как Коронавирус.
Быстро разработанные инструменты автоматизированного анализа КТ-изображений на основе ИИ позволяют достичь высокой точности в обнаружении пациентов с положительным коронавирусом, а также в количественной оценке бремени болезней.
Оценка распространения COVID с помощью нейронной сети в рамках модели карантина в Ухане, Китай
Эффективны ли массовый карантин и изоляция как социальный инструмент в дополнение к его научному использованию в качестве медицинского инструмента? Пытаясь решить этот вопрос, используя подход, основанный на эпидемиологической модели и дополненный машинным обучением, эти исследователи показывают, что меры карантина и изоляции, введенные в Ухане, снизили эффективное число воспроизводимых животных.
В этом исследовании представлено обнаружение коронавируса на ранней стадии с помощью методов машинного обучения, реализованных на изображениях компьютерной томографии (КТ) брюшной полости.
Используя компьютерное зрение и распознавание образов, эти исследователи разработали процесс обнаружения COVID-19, который реально может быть использован клиниками для принятия важных решений.
В этом документе представлена COVID-Net, конструкция глубокой сверточной нейронной сети, предназначенная для обнаружения случаев COVID-19 по рентгенографическим изображениям грудной клетки, открытый исходный код и доступный широкой публике.
COVID-CT-Dataset: набор данных компьютерной томографии о COVID-19
В этой статье эти исследователи создали общедоступный набор данных COVID-CT, содержащий 275 компьютерных томографов, положительных на COVID-19, чтобы способствовать исследованиям и разработке методов глубокого обучения, которые позволяют прогнозировать, затронут ли человек COVID-19, путем анализа его / ее КТ.
Прогнозирование странового риска COVID-19 на основе нейронных сетей
Недавняя всемирная вспышка нового коронавируса (COVID-19) поставила перед исследовательским сообществом новые задачи. Методы, основанные на искусственном интеллекте, могут быть полезны для прогнозирования параметров, рисков и последствий такой эпидемии. Это исследование предлагает нейронную сеть на основе неглубокой краткосрочной памяти (LSTM) для прогнозирования категории риска в стране. Исследователи используют байесовский алгоритм оптимизации для оптимизации и автоматического проектирования сетей для конкретных стран.
Устройства обнаружения, как правило, дороги и труднодоступны, поэтому в этом документе представлена новая структура, которая предлагается для обнаружения коронавирусной болезни COVID-19 с помощью бортовых датчиков смартфонов. Предложение обеспечивает недорогое решение, поскольку большинство радиологов уже держали в руках смартфоны для различных повседневных нужд.
Использование моделирования инфекционных заболеваний для поддержки принятия решений в области общественного здравоохранения, именуемое в этом отчете «наукой о вспышках болезней», за последнее десятилетие стало все более популярным. Цель этого отчета - охарактеризовать происхождение и последствия разрыва связи между разработчиками моделей и лицами, принимающими решения в области общественного здравоохранения, а также разработать план расширения научных исследований о вспышках болезней как возможности поддержки общественного здравоохранения.
Это только верхушка айсберга для исследований коронавируса в области науки о данных, и есть еще много чего. Что бы вы добавили в этот список? Вы работаете над чем-то интересным, о чем, по вашему мнению, мы должны знать? Пишите нам на [email protected] со своими научными работами!
Прочтите больше статей по науке о данных на OpenDataScience.com, включая учебные пособия и руководства от новичка до продвинутого уровня! Подпишитесь на нашу еженедельную рассылку здесь и получайте последние новости каждый четверг.