Este artigo é um Preprint
Preprints são relatos preliminares de pesquisa que não foram certificados pela revisão por pares. Eles não devem ser considerados para orientar a prática clínica ou comportamentos relacionados à saúde e não devem ser publicados na mídia como informação estabelecida.
Preprints publicados online permitem que os autores recebam feedback rápido, e toda a comunidade científica pode avaliar o trabalho independentemente e responder adequadamente. Estes comentários são publicados juntamente com os preprints para qualquer pessoa ler e servir como uma avaliação pós-publicação.
Voxel-level forecast system for lesion development in patients with COVID-19
Preprint
em En
| PREPRINT-MEDRXIV
| ID: ppmedrxiv-20248377
ABSTRACT
The global spread of COVID-19 seriously endangers human health and even lives. By predicting patients individualized disease development and further performing intervention in time, we may rationalize scarce medical resources and reduce mortality. Based on 1337 multi-stage ([≥]3) high-resolution chest computed tomography (CT) images of 417 infected patients from three centers in the epidemic area, we proposed a random forest + cellular automata (RF+CA) model to forecast voxel-level lesion development of patients with COVID-19. The model showed a promising prediction performance (Dice similarity coefficient [DSC] = 71.1%, Kappa coefficient = 0.612, Figure of Merit [FoM] = 0.257, positional accuracy [PA] = 3.63) on the multicenter dataset. Using this model, multiple driving factors for the development of lesions were determined, such as distance to various interstitials in the lung, distance to the pleura, etc. The driving processes of these driving factors were further dissected and explained in depth from the perspective of pathophysiology, to explore the mechanism of individualized development of COVID-19 disease. The complete codes of the forecast system are available at https//github.com/keyunj/VVForecast_covid19.
cc_by_nc_nd
Texto completo:
1
Coleções:
09-preprints
Base de dados:
PREPRINT-MEDRXIV
Tipo de estudo:
Prognostic_studies
/
Rct
Idioma:
En
Ano de publicação:
2020
Tipo de documento:
Preprint