新型冠状病毒肺炎 (COVID-19) 数据集汇总

『山川异域,风月同天』—— 新冠肺炎疫情牵动着举国上下的心,包括跨象乘云™ 在内,众多高科技企业除了向灾区捐赠物资,配合疫情防控工作,延期复工 / 远程办公的同时,也在积极探索如何利用大数据、新一代人工智能等新技术为『战疫』助力。

此前,跨象乘云™ 发布了多份新型冠状病毒肺炎(COVID-19)相关的数据集。随着关于新型冠状病毒病毒疫情的不断发展,有关疫情的各类信息和数据也在不断更新。结合日前『图灵公众号』(微信公众号:TOPIA)整理的新冠数据集,在这里作一个阶段性汇总。

  1. 微软、白宫发布的 COVID-19 开放研究数据集(COVID-19 Open Research Dat[……]

    继续阅读

新型冠状病毒肺炎开源项目

『山川异域,风月同天』—— 新冠肺炎疫情牵动着举国上下的心,包括跨象乘云™ 在内,众多高科技企业除了向灾区捐赠物资,配合疫情防控工作,延期复工 / 远程办公的同时,也在积极探索如何利用大数据、新一代人工智能等新技术为『战疫』助力。

其中,针对 2020 年初在武汉爆发的新型冠状病毒疫情,新型冠状病毒防疫信息收集平台项目,旨在收集各医院、酒店、工厂、物流、捐赠、捐款、预防、治疗、动态等信息,统一收集,统一发布,以便各方之间进行信息互通,有效调配社会资源。

另外,除了 2019-nCoV 的现状和如何防护是我们关注的重点,这个疫情的起源也是一个关注点,2019-nCoV 时间线项目,记[……]

继续阅读

胸部放射影像数据集:CheXpert

在这次新冠肺炎『战疫』中,面向医疗医学的深度学习与新一代人工智能科研攻关越显重要。如:在 Keras 中通过递归神经网络(RNN)为时间序列数据建模;使用 MedNIST 数据集进行医学图像分类;应用深度学习数据科学工作流在医疗领域;使用 DIGITS 实现医学影像分割;使用 TensorFlow 实现图像分类;使用 R 和 MXNet 实现医学影像分析;使用 GAN 对医学图像进行数据集扩展与图像分割;将由粗到细的上下文记忆应用于医学影像 …… 都是非常热门的研究方向。

其中,胸部放射影像是全球最常见的影像检查,对很多威胁终身的疾病的筛查、诊断和治疗至关重要。在论文《CheXpert:[……]

继续阅读

英特尔 AI 医疗实战手册

AI 正在变革(中国)医疗。最近,Intel 一份实战手册刚刚披露,清晰勾勒出了 AI 如何重塑着医疗行业的各个方面。而且,这份手册展示的不光有趋势分析、技术规划,还展示了诸多案例,是实践实战后的全面总结。报告撰写者,正是提供了最基础但覆盖全流程的 AI 能力计算巨头英特尔,可以说是 AI 医疗的首份权威“剑谱”。[……]

继续阅读

IBM 开源三个抗癌 AI 项目

项目地址:

https://www.techzine.be/nieuws/41092/ibm-maakt-drie-ai-projecten-gericht-op-kankeronderzoek-opensource.html

近日,IBM 向开源社区发布了三个旨在克服治愈癌症的 AI 项目。在本月晚些时候将在瑞士举行的第 18 届欧洲计算生物学大会(ECCB)和第 27 届分子生物学智能系统大会(ISMB)上,将会深入介绍PaccMann 项目。

2018 年,癌症导致全球 960 万人死亡,此外,同年增加了 1800 多万新的癌症病例。IBM 计算系统生物学小组的研究人员[……]

继续阅读

Google 开源 FHIR 医疗数据模型

Google 正在大力推动 FHIR 进行医疗预测。在过去 10 年间,医疗数据已经从以纸质文件为主几乎完全数字化为电子健康记录。但是,理解这些数据涉及一些关键挑战。

  1. 供应商之间没有共同的数据表示形式;每个供应商都使用不同的方式来构建他们的数据。
  2. 即使使用相同供应商的网站也可能存在很大不同,例如,他们通常为同一种药物使用不同的代码。
  3. 数据可能分布在多个表格中,一些表格包含患者就医记录,一些包含实验室结果,其他的则包含生命体征数据。

近日,Google 开源了快速医疗互操作性资源 (FHIR) 标准解决了其中的大多数挑战:它具有一个坚实并且可扩展的数据模型并基于成熟的[……]

继续阅读

卷积神经网络和医疗影像分析平台:NiftyNet

NiftyNet 是一个基于 TensorFlow 的开源卷积神经网络平台,来研究医疗影像分析和影像导向的治疗。(An open source convolutional neural networks platform for medical image analysis and image-guided therapy.)NiftyNet 有着模块化的架构设计,能够共享网络架构和预训练模型。使用该模块架构,你可以:

  • 使用内建工具,从建立好的预训练网络开始
  • 根据自己的图像数据改造已有的网络
  • 根据自己的图像分析问题快速构建新的解决方案

NiftyNet 现在支持医疗[……]

继续阅读