May, 2020

CovidNet：在 COVID-19 时代实现数据透明度

PDF
TL;DR本文介绍了 CovidNet 项目，它是一个与大规模流行病数据集相关的 COVID-19 跟踪项目，我们的平台提供实时的全球病例信息，包括来自全球 27 个国家的 4,124 个细分地区，具有多语言支持，并提供交互式可视化工具，以分析每个地区的完整历史病例曲线，截至 2020 年 5 月 18 日，该项目的网站已经访问了超过 2 亿次，CovidNet 数据集在政策制定和学术研究方面为全球 522 家机构和组织提供支持。
covid-19trackingdatasetreal-timeglobal
发现论文，激发创造
  • 一个用于开放科学研究的大规模 COVID-19 推特聊天数据集 -- 一个国际合作项目

    本文介绍了一份包含 1 月 1 日至 4 月 4 日之间各地 152 万条与 COVID-19 有关的推文的数据集，为研究社交动态、情感反应等提供支持。

    Apr, 2020

  • 全球 COVID-19 信息聚合系统

    本文介绍了一个建立在可靠的 COVID-19 网站数据集基础上的、面向世界各地用户的信息汇聚系统，该系统可帮助用户查找各地的 COVID-19 相关新闻，并通过神经机器翻译和基于 BERT 的主题分类器帮助用户高效地获取自己感兴趣的信息。

    Jul, 2020

  • 追踪社交媒体上关于 COVID-19 大流行的话题：公共冠状病毒 Twitter 数据集的建立

    本文描述了自 2020 年 1 月 22 日以来我们不断收集的多语种新冠状病毒 Twitter 数据集，旨在通过研究在线谈话动态以及科学信息和未经验证的谣言的跟踪等方面，了解这一全球性危机的影响。最终，该数据集可能有助于推动针对这一全球危机的知情决策和有针对性的政策干预。

    Mar, 2020

  • CovidCTNet：一种基于开源深度学习的 CT 图像识别 COVID-19 方法

    为了提高新型冠状病毒肺炎 CT 成像检测的准确性，我们开发了名为 COVIDCTNet 的一组算法，该算法可将新型冠状病毒肺炎与社区获得性肺炎和其他肺部疾病区分开来，并将 CT 成像检测的准确性提高到 90%，比放射科医生 70% 更高。

    May, 2020

  • NAIST COVID：跨语言 COVID-19 Twitter 和 Weibo 数据集

    本研究旨在推广社交媒体研究对抗 COVID-19 及其他传染病。通过对 COVID-19 微博的量化和定性分析，我们提供了多种处理数据集的方法，并分享了一个多语种社交媒体数据集，供研究人员使用。

    Apr, 2020

  • COVID-Net CT-2：通过更大、更多样化的学习增强深度神经网络，以检测胸部 CT 图像中的 COVID-19

    该研究介绍了 COVID-Net CT-2，一种增强的神经网络，可通过胸部 CT 图像从数量和多样性最大的跨国患者病例进行培训，以便于实现 COVID-19 的诊断。 COVID-Net CT-2 表现良好，是计算机辅助 COVID-19 评估的有效工具。

    Jan, 2021

  • 新冠病毒（COVID-19）病例实时预测和风险评估：数据驱动分析

    本文旨在通过基于自回归综合移动平均模型和小波预测模型的混合方法，对加拿大、法国、印度、韩国和英国进行短期（10 天）预测，另外运用最优回归树算法对 50 个受疫情影响巨大的国家进行病死率风险评估，旨在有效分配医疗资源和提供政策决策的预警。

    Apr, 2020

  • 可视化 COVID-19 研究

    本文提供了一种结合大型数据建模、信息制图和趋势分析的新型自动化主题可视化方法，用于快速发现 COVID-19 疫情下的主题和研究资源，结果显示了有关社交隔离、医疗话题、病毒在不同地区的演变轨迹等信息，同时也表明了迫切需要快速自动化地进行大规模数据的搜索和浏览。

    May, 2020

  • COVIDNet-CT: 基于深度卷积神经网络的定制设计，用于从胸部 CT 图片中检测 COVID-19 病例

    通过一种基于深度卷积神经网络的设计探索方法，我们提出了 COVIDNet-CT，该模型可通过胸部 CT 图像检测 COVID-19 病例，并引进了 COVIDx-CT 基准 CT 图像数据集。COVIDNet-CT 和 COVIDx-CT 数据集都可在 COVID-Net 倡议的开源和开放访问方式下向公众提供。

    Sep, 2020

  • COVID-CT-Dataset：关于 COVID-19 的 CT 扫描数据集

    在 COVID-19 爆发期间，CT 是诊断 COVID-19 患者的有用方法。为了解决隐私问题，我们建立了一个开放的数据集，COVID-CT，其中包含 216 名患者的 349 张 COVID-19 CT 图像和 463 张非 COVID-19 CT 图像。我们研究表明，这个数据集对于开发基于 AI 的 COVID-19 诊断模型是有用的，如多任务学习和自监督学习方法，其 F1 达到 0.90，AUC 为 0.98，准确率为 0.89。

    Mar, 2020