一个基于人工智能的多模式非侵入性COVID-19分级框架,由深度学习,曼塔射线和多媒体生命体征的模糊推断系统提供动力
1Taibah University, Applied College, Computer Science and Information department, Medinah, 41461, Saudi Arabia.
Heliyon
|May 30, 2023
概括
这项研究引入了一种新的,非侵入性AI框架,用于使用多种数据类型准确诊断COVID-19. 该系统整合了患者的生命体征,咳声音和胸部成像,以改善流行病管理.
科学领域:
- 医疗信息学 医疗信息学
- 医疗保健中的人工智能
- 诊断系统 诊断系统
背景情况:
- 由于COVID-19的流行,需要快速准确的诊断工具.
- 像RT-PCR这样的传统方法耗时且资源密集.
- 单模人工智能诊断方法可能缺乏全面的准确性.
研究的目的:
- 开发和评估一种新的,非侵入性的,多模式的人工智能 (AI) 框架用于COVID-19诊断.
- 与单一模式方法相比,提高诊断的准确性和速度.
- 提供一个具有成本效益和可访问的诊断解决方案.
主要方法:
- 提出了一个四层级的级联诊断框架.
- 第一个层:基本诊断 (温度,血液氧气,呼吸情况).
- 第二层:咳形状分析.
- 第三层:胸部成像 (X射线,CT) 分析.
- 层4:模糊逻辑推理系统,整合了之前的层.
- 使用咳数据集和COVID-19放射数据库进行评估.
主要成果:
- 多式联运框架表现出高效率和可信度.
- 基于音频的分类实现了96.55%的准确性.
- 基于CXR的分类实现了98.55%的准确性.
- 该系统在准确度,精度,灵敏度,特异性,F1得分和平衡准确度方面表现出色.
结论:
- 拟议的非侵入性AI框架显著提高了COVID-19诊断的准确性和速度.
- 这种方法为传统方法提供了一个更有吸引力的,不那么侵入性的替代方案.
- 该框架有可能有助于更有效地控制和管理流行病.
