资源介绍
? 由研究者构建的一个开源 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。
? 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。
构建COVID-CT数据集，训练深度学习模型诊断新冠肺炎
? 为了解决这个问题，研究团队构建了一个COVID-CT数据集，其中包含275个新冠肺炎检测呈阳性的CT图像，并向公众开放，以助于基于CT图像的新冠肺炎检测的研发；在35个新冠肺炎 CT图像和34个非新冠肺炎 CT图像上进行了测试，研究团队的模型F1值为0.85。结果表明，CT扫描有望用于筛选和检测新冠肺炎，然而还需要更先进的方法来进一步提高准确性。
确诊新冠肺炎的患者入院时的CT图像
A，2020年2月2日，一名39岁男性的胸部CT扫描结果，显示双侧毛玻璃混浊。 B，2020年2月6日，一名45岁男性的胸部CT扫描结果，显示双侧毛玻璃混浊。 C，2020年1月27日，一名48岁男性（在治疗后第9天出院）的胸部CT扫描结果，显示斑片状阴影。 D，2020年1月23日，一名34岁男性（在治疗后第11天出院）的胸部CT扫描结果，显示斑片状阴影。
