新冠肺炎“识别”战，多个深度学习的胸透检测模型已开源

COVID-19全球流行已经是不争的事实，来自世界各地的计算机科学家和机器学习研究人员正在从自己的专业入手，对一些数据集进行编译，并构建AI算法来优化肺炎检测。

在数据科学竞赛平台Kaggle上面，已经有了一个COVID-19病例数据集，数据每天更新，内容包括患者年龄、患者居住地、何时出现症状、何时暴露、何时进入医院等等

https://www.kaggle.com/sudalairajkumar/novel-corona-virus-2019-dataset

在CT扫描图方面，也有学者从该疾病的公开研究中提取了可用于分析的几十张图片，包括CT扫描和胸部X射线图像，我们的公众号也发布了如何使用卷积神经网络识别CT图像的文章。

具体到深度学习算法层面，这些计算机研究员也在为区分流感和COVID-19做了一些努力。

以下列出了一些可以供大家参考的项目和论文

使用深度学习系统筛查COVID-19

论文链接：https://arxiv.org/ftp/arxiv/papers/2002/2002.09334.pdf

用深度学习对COVID-19 CT图像进行肺部感染的定量研究

论文链接：https://arxiv.org/abs/2003.04655v2

针对COVID-19的快速AI开发周期：用深度学习CT图像分析得到自动检测的初步结果和病人监控的初步结果

论文链接：https://arxiv.org/abs/2003.05037v1

在工程方面也已经有大佬建立了开源的项目：

https://github.com/ahmed3991/Covid-19-X-Rays-Detector

这个web版的项目识别率已经可以达到92%

https://github.com/ajsanjoaquin/COVID-19-Scanner

这个项目非常的好，从原理到最后的模型一应俱全，作者还有详细的文章介绍