基于胸部CT扫描的COVID-19发展为重症症状的联合预测与时间估计
图像与视频处理
2020-10-13 v1 计算机视觉与模式识别
机器学习
摘要
随着冠状病毒病(COVID-19)在全球的快速传播，开展COVID-19的早期诊断并预测患者可能转为重症阶段的时间，对于制定有效治疗方案和减轻临床医生工作负担具有重要意义。在本研究中，我们提出一种联合分类与回归方法，以确定患者后期是否会出现重症症状，若是，则预测患者转为重症阶段所可能花费的转换时间。为此，所提方法考虑了：1) 每个样本的权重，以降低离群值的影响并探究不平衡分类问题；2) 通过稀疏正则化项得到的每个特征的权重，以去除高维数据的冗余特征并学习分类任务与回归任务间的共享信息。据我们所知，本研究是首个预测疾病进展与转换时间的工作，可帮助临床医生及时处理潜在重症病例甚至挽救患者生命。实验分析在来自两家医院、包含422例胸部计算机断层扫描(CT)的真实数据集上进行，其中52例平均5.64天转为重症，34例在入院时即为重症。结果表明，与所有对比方法相比，我们的方法取得了最佳的分类(如85.91%准确率)与回归(如0.462相关系数)性能。此外，我们的方法在预测重症病例上达到76.97%准确率、0.524相关系数，以及0.55天的转换时间误差。
引用
@article{arxiv.2005.03405,
title = {Joint Prediction and Time Estimation of COVID-19 Developing Severe Symptoms using Chest CT Scan},
author = {Xiaofeng Zhu and Bin Song and Feng Shi and Yanbo Chen and Rongyao Hu and Jiangzhang Gan and Wenhai Zhang and Man Li and Liye Wang and Yaozong Gao and Fei Shan and Dinggang Shen},
journal= {arXiv preprint arXiv:2005.03405},
year = {2020}
}