关于用于检测COVID-19的深度学习模型的调查
Javad Mozaffari1, Abdollah Amirkhani2, Shahriar B Shokouhi1
1School of Electrical Engineering, Iran University of Science and Technology, Tehran, 16846-13114 Iran.
Neural computing & applications
|June 26, 2023
概括
人工智能 (AI) 有助于利用肺部X射线和CT扫描进行早期COVID-19检测. 这次审查评估了深度学习模型,提高了流行病的诊断准确性.
科学领域:
- 医学成像和人工智能 医学成像和人工智能
- 计算机辅助诊断 计算机辅助诊断
- 肺部疾病检测检测 肺部疾病检测
背景情况:
- COVID-19的全球影响需要先进的诊断工具.
- 人工智能为早期疾病检测和治疗提供了潜力.
- 深度学习模型在分析病毒感染的医学图像方面表现有前途.
研究的目的:
- 对肺X射线和CT扫描中COVID-19检测的深度学习模型进行审查.
- 为了比较各种深度学习架构的性能.
- 探索提高基于人工智能的COVID-19诊断准确性的技术.
主要方法:
- 对已建立的深度学习模型 (VGGNet,GoogleNet,ResNet) 的审查.
- 较新的模型 (DenseNet,CapsNet,MobileNet,EfficientNet) 的性能比较
- 检查生成对抗网络 (GAN),转移学习和数据增强.
主要成果:
- 深度学习模型在肺部扫描中识别COVID-19指标方面表现出有效性.
- 具体的模型和技术显示了不同程度的精度改进.
- 分析各种数据集,包括健康,COVID-19和其他肺部疾病病例.
结论:
- 人工智能,特别是深度学习,是从放射图像中检测COVID-19的一个有价值的工具.
- 持续的研究和模型改进对于优化AI在疫情应对中至关重要.
- 未来的趋势表明,人工智能在诊断和管理呼吸系统疾病方面有更广泛的应用.
