剩余学习诊断检测:在工业物联网中用于COVID-19的先进剩余学习诊断检测系统

科学领域:

• 医疗成像医学成像
• 人工智能在医学中的应用
• 传染病诊断 传染病诊断 传染病诊断

背景情况:

• COVID-19需要快速准确的诊断工具来有效控制.
• 核酸检测 (NAT) 对于COVID-19是准确的,但昂贵和耗时.
• 计算机断层扫描 (CT) 图像显示了COVID-19患者的特征性肺部异常.

研究的目的:

• 调查使用肺CT图像作为COVID-19的诊断信号的可行性.
• 开发一种有效且准确的替代NAT用于COVID-19诊断.
• 为COVID-19检测提出一个先进的残留学习诊断检测 (RLDD) 方案.

主要方法:

• 利用公开的肺部CT图像数据集.
• 开发了一个残留学习诊断检测 (RLDD) 网络.
• 训练RLDD网络来区分COVID-19阳性病例与异质肺部图像.
• 该网络有效地从小型COVID-19样本大小中提取肺部特征,而无需预训练.

主要成果:

• 在测试组件上实现了高诊断性能:91.33%的准确性,91.30%的精度和90%的回忆.
• 证明快速评估时间:150个样本的批次:4.7秒.
• RLDD网络有效地从有限的COVID-19样本中提取特征.

结论:

• 拟议的RLDD方案是用于COVID-19诊断的NAT的有效和高效的替代方案.
• 可以将RLDD集成到医疗仪器和API中,以提高COVID-19检测效率.
• 这种方法促进了早期诊断和隔离,这对于疫情控制至关重要.