对COVID-19检测的深度学习技术的概述:方法,挑战和未来的工作
1Department of Computer Engineering, Adana Alparslan Turkes Science and Technology University, 01250 Adana, Turkey.
Multimedia systems
|June 1, 2023
概括
深度学习和机器学习提供了使用CT扫描和X射线等医疗数据检测COVID-19的自动化方法. 本综述探讨了这些人工智能应用,数据集和未来的研究方向,以改善分类.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 计算生物学 计算生物学
背景情况:
- 2020年由世卫组织宣布的COVID-19大流行导致了全球显著的死亡率,并继续影响数百万.
- 准确的COVID-19鉴定依赖于RT-PCR测试或医学数据分析,这可能是昂贵和耗时的.
- 自动化计算机辅助检测方法对于有效和可扩展的COVID-19诊断日益至关重要.
研究的目的:
- 审查深度学习 (DL) 和机器学习 (ML) 在使用各种医疗数据检测COVID-19中的应用.
- 分析数据预处理技术,特征提取和当前检测方法.
- 呈现和比较公开可用的数据集,并确定未来的研究方向,以加强COVID-19分类.
主要方法:
- 对应用DL和ML用于COVID-19检测的研究进行系统审查.
- 分析医疗数据模式,包括CT扫描,X射线,咳声音,MRI,超声波和临床标记.
- 检查COVID-19分类中使用的数据预处理,特征工程和算法方法.
主要成果:
- DL和ML模型显示出从各种医学成像和非成像数据中检测COVID-19的巨大潜力.
- 提供了对数据集,其特征和比较材料的全面概述.
- 突出了当前研究中的关键相似之处,差异,差距和局限性.
结论:
- 人工智能驱动的方法,特别是DL和ML,显示出对快速和准确的COVID-19检测有希望.
- 需要进一步的研究来解决改善诊断工具的现有缺口和局限性.
- 未来的方向包括改进模型和探索新型数据源,以进行强大的COVID-19分类.
