- 赋能医学影像的人工智能技术：一项关于使用放射和断层影像进行 COVID-19 检测和分割的机器学习方法综述
该论文着重介绍了使用机器学习以增强 COVID-19 诊断中的医学影像学方法，例如深度学习可以在几分钟内无需人工干预准确地区分肺部的损伤。此外，机器学习可以辅助放射科医生做出更精确的临床决策，例如检测和区分不同呼吸系统感染以及在 CT 和 - 一种基于卷积神经网络的人脸口罩检测迁移学习方法
基于迁移学习和 Inception v3 架构的口罩识别系统，可以在拥挤的场所监测口罩的佩戴情况，并能准确分类口罩的正确和错误使用，实验结果表明其高准确率和效率（训练数据达到 99.47%，测试数据达到 99.33%）
- 基于人工神经网络的冠状病毒智能检测系统的开发
本文介绍了基于人工神经网络的新型智能系统用于检测冠状病毒。通过综合文献回顾发现，高烧占 COVID-19 症状的 87.9%。收集了来自尼日利亚恩古市 Collie 医院的 683 例 COVID-19 患者的高温数据（>= 38℃），用于 - 使用深度学习和风险管理系统进行社交距离检测
使用深度学习和计算机视觉技术开发的 COVID-19 Social Distancing Detector System 可在指定区域内维持社交距离和监测违规行为，可用于任何场所，并可提高风险管理和保护个人安全。
- 使用潜在狄利克雷分配方法进行的关于冠状病毒的瑞典报纸文章主题建模： 以案例研究为基础
该研究使用 Latent Dirichlet Allocation (LDA) 方法建模了瑞典报纸文章关于冠状病毒的主题变化，旨在支持社会经济影响研究以及临床和医疗保健分析等领域的话题建模应用。
- 高效近似内核基于尖峰序列分类
利用敏化和信息增益的方式改善了近似核在分类冠状病毒 (SARS-CoV-2) 突刺蛋白序列变异的性能，与基线和现有的健康医疗领域方法相比，我们的方法在两个数据集上都表现出更好的性能。
- MM新冠疫情微博数据情感分析
本论文通过分析推特数据集，使用多种机器学习算法评估情感，并对数据集的情境进行学习，以识别正面、负面和中性情绪，并向公众传达积极意见，提高公众意识和预防新冠病毒。
- COVID-19 疫情期间高效的遮盖人脸识别方法
本文提出了一种基于遮挡和深度学习特征的可靠方法来解决口罩蒙面等遮挡因素下的人脸识别问题，并使用预训练的卷积神经网络提取眼睛和前额区域特征以及使用多层感知器分类识别。实验结果表明该方法有较高的识别性能。
- EMNLP实时回答 COVID-19 问题
本论文介绍了 covidAsk，一个基于生物医学文本挖掘和问答技术结合起来的用于实时回答问题的问答系统，并使用 COVID-19 Questions 数据集对其进行了评估。该系统被设计来帮助研究人员寻找关于新冠病毒和未来疫情的知识和信息。
- COVID-19 文献的分类
本研究分析了多个多标签文档分类模型在 LitCovid 数据集上的表现，发现在该数据集上微调过的预训练语言模型表现最佳，并探讨了其数据效率和可推广性，同时也提出了未来研究中需要解决的问题，数据和代码均在 GitHub 上可获取。
- 基于数据驱动的 COVID-19 退出策略仿真与优化
在这篇文章中，我们提出了一种基于深度学习估计疫情参数的流行病学参数预测工具包，结合遗传算法组件搜索决策制定者设定的约束和目标的最优权衡 / 政策来预测病例和死亡，并且实验结果表明我们的方法比 75% 的传统基于规则的流行病学模型预测出错率更 - COVID-19 的 Instagram 首个数据集
该研究提供了一个多语种的新冠病毒 Instagram 数据集，旨在帮助研究社区更好地了解 Instagram 这一主要社交媒体中这一现象背后的动态，并帮助研究这一疫情相关的错误信息的传播。
- 基于弱监督深度学习的 CT 图像 COVID-19 感染检测和分类
使用弱监督的深度学习算法，从 CT 图像中检测和分类 COVID-19 感染，达到准确诊断及区分 COVID-19 和非 COVID-19 病例的目的。
- 中国、意大利和法国 COVID-19 传播分析和预测
本文分析了中国、意大利和法国 2020 年 1 月 22 日至 3 月 9 日新冠疫情爆发的时间动态，指出简单的平均场模型可以有效地描述病毒的传播特征以及患者感染人数的峰值及出现时间，尽管感染率和死亡率会有所变化，但康复速率参数似乎表现出匹