基于 AI 的 CT 量化、分期及 COVID-19 肺炎短期预后预测
计算机视觉与模式识别
2020-04-28 v1 机器学习
图像与视频处理
医学物理
定量方法
摘要
胸部计算机断层扫描（CT）因其可及性与快速性，被广泛用于 2019 冠状病毒病（COVID-19）肺炎的诊疗管理。确诊 COVID-19 的参考标准依赖于微生物学检测，但这些检测在急诊环境中可能不可及，且结果不如 CT 那样立即可得。除早期诊断作用外，CT 还具有预后价值，可直观评估 COVID-19 肺部异常的累及范围。本研究的目的是预测短期结局，尤其是机械通气的需要。在这项多中心研究中，我们提出了一种端到端人工智能解决方案，通过结合达到专家水平的肺部病变自动 CT 勾画，以及数据驱动的预后生物标志物识别，实现自动量化与预后评估。鉴于重症监护床位与呼吸机的短缺，AI 驱动的变量与基于 CT 的生物标志物之组合，为最优患者管理提供了前景。
引用
@article{arxiv.2004.12852,
title = {AI-Driven CT-based quantification, staging and short-term outcome prediction of COVID-19 pneumonia},
author = {Guillaume Chassagnon and Maria Vakalopoulou and Enzo Battistella and Stergios Christodoulidis and Trieu-Nghi Hoang-Thi and Severine Dangeard and Eric Deutsch and Fabrice Andre and Enora Guillo and Nara Halm and Stefany El Hajj and Florian Bompard and Sophie Neveu and Chahinez Hani and Ines Saab and Alienor Campredon and Hasmik Koulakian and Souhail Bennani and Gael Freche and Aurelien Lombard and Laure Fournier and Hippolyte Monnier and Teodor Grand and Jules Gregory and Antoine Khalil and Elyas Mahdjoub and Pierre-Yves Brillet and Stephane Tran Ba and Valerie Bousson and Marie-Pierre Revel and Nikos Paragios},
journal= {arXiv preprint arXiv:2004.12852},
year = {2020}
}