机器学习可以在五分钟内检测到新冠病毒( 三 )

结果通过研究论文中包含的混淆矩阵，介绍了经过训练的CNN架构的性能。
混淆矩阵说明了在已知数据分类（标签）的一组测试或评估数据上分类算法的性能。
CNN在受控环境下的实验室生长病毒和从患者那里获得的临床病毒样本中均经过测试。
以下是分类的性能和结果的详细信息。
实验室生长的病毒和受控测试
文章插图
> Lab-grown viruses and controlled testing results
对CNN进行分类，以区分阳性和阴性IBV（传染性支气管炎病毒）病毒样品的能力。IBV是冠状病毒的一种品系，会影响鸟类。CNN能够以91.4％的准确度对阳性和阴性IBV单个病毒颗粒进行分类。
进行的另一项测试是CNN区分具有相似结构特性的病毒的能力。用于该测试的病毒是IBV和其他三种流感病毒（Udorn ， X31和PR8株）。
CNN能够以95.5％（Udorn）， 94.5％（PR8）的准确度区分IBV样本中的病毒。当对X31或Udorn病毒样本（在结构特性方面非常相似的两种病毒）进行分类时， CNN的性能为68.8％。
不受控制的环境中的临床病毒样本突出CNN性能的更可靠的测试是对患者的SARS-CoV-2病毒样本进行分类。从测试SARS-CoV-2阳性和阴性的患者的咽拭子中获取病毒样本，以及其他人类冠状病毒株（OC43 ， HKU1和NL63）
CNN架构已针对从咽拭子病毒样本收集的数据进行了培训和测试。
文章插图
> Clinical virus samples in an uncontrolled environment results
经过训练的CNN在SARS-CoV-2阳性和阴性之间的分类中表现良好，准确度约为70％，在hCov和阴性样本之间的分类准确度为78％。
当CNN负责对SARS-CoV-2或任何季节性人类冠状病毒样本进行病毒分类时，分类精度达到73％。
在实验室生长的病毒和临床样品之间观察到的性能准确性下降是由于临床样品中病毒的复杂性所致。实验室培养的样品中也没有可能影响病毒样品完整性的外部残留细胞物质。
福利和推出计划本文提到的快速测试过程和技术的好处显而易见。
作为一个社会，我们必须采取措施控制当前的大流行，这一点至关重要。
以下是讨论的快速测试技术提供的一些关键优势：· 在2到5分钟内提供准确的诊断结果。
· 本文引用的研究中提出的Covid-19快速检测方法作为一种早期诊断工具是有益的，它可以通过早期诊断来帮助遏制感染的传播。
· 可以有效地区分类似于SARS-CoV-2的病毒，这在冬季季节性冠状病毒在患者中更为普遍的冬季是一个有益的属性。
· 在此特定的Covid-19检测方法中使用的过程可以重新用于检测其他呼吸道病毒。
· 研究论文中提出的检测技术可以在实验室之外使用。因此，我们可以看到这种检测技术在学校，疗养院，医院和国际运输中心的部署。
关于何时将这5分钟的Covid-19检测技术向公众推出的时间表，目前计划成立一家公司，该公司可以在2021年前几个月开始产品开发。
众所周知，快速检测技术一直是公共新闻的最前沿。它是一种12分钟的Covid-19检测测试，目前已在英国保健和美容零售商Boots出售。测试设备来自LumiraDx ，最初的价格为120英镑，随着需求的增加，成本会降低。
我希望您觉得这篇文章有用。要与我联系或查找更多类似于本文的内容，请执行以下操作：
· 订阅我的电子邮件列表以获取每周新闻
· 跟我来中
· 在LinkedIn上联系并联系我
【机器学习可以在五分钟内检测到新冠病毒】(本文翻译自Richmond Alake的文章《Machine Learning Can Detect Covid-19 In Less Than Five Minutes!》，参考：)