通过机器学习和深度学习技术对COVID-19检测进行全面审查
Sreeparna Das1, Ishan Ayus2, Deepak Gupta3
1Department of Computer Science and Engineering, National Institute of Technology Arunachal Pradesh, Jote, Arunachal Pradesh 791113 India.
Health and technology
|June 26, 2023
概括
人工智能,包括机器学习 (ML) 和深度学习 (DL) 模型,在从医疗图像中检测COVID-19时显示出高准确度. 需要继续进行研究,以解决诸如过度装配改进的诊断工具等局限性问题.
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:
- 源自中国武汉的COVID-19大流行需要在诊断技术方面取得快速进展.
- 人工智能 (AI),包括机器学习 (ML) 和深度学习 (DL),已成为有效检测COVID-19的有希望的工具.
- 现有的人工智能模型为改善医疗诊断和传染病研究提供了潜力.
研究的目的:
- 审查和总结现有的机器学习 (ML) 和深度学习 (DL) 模型,应用于COVID-19检测.
- 为研究人员提供关于人工智能在COVID-19诊断中的应用的全面概述.
- 确定未来的研究方向和改善人工智能驱动的COVID-19检测领域.
主要方法:
- 系统审查来自主要科学库的200多篇研究论文 (谷歌学者,PubMed,科学网).
- 50篇高影响力研究文章的选择,重点关注用于COVID-19检测的ML/DL模型.
- 在COVID-19诊断中使用的各种AI模型和图像模式 (CT扫描,X射线) 的分析.
主要成果:
- 机器学习和深度学习模型在分类COVID-19中实现了超过99%的准确性.
- 该研究强调了AI在医学研究中的临床应用和诊断重要性.
- 人工智能模型在提高疾病检测的准确性和效率方面显示出巨大的潜力.
结论:
- ML/DL模型在COVID-19检测方面取得了显著进展,并实现了高准确率.
- 诸如模型过拟合等局限性需要进一步研究以提高可靠性和效率.
- 人工智能在医疗诊断中的持续发展有望在疾病检测和患者护理方面取得更大的进步.
