注意CovidNet:有效的基于ECG的COVID-19诊断
Wesley Chorney1, Haifeng Wang2, Lir-Wan Fan3
1Computational Engineering, Mississippi State University, Mississippi State, 39762, USA.
Computers in biology and medicine
|November 24, 2023
概括
使用心电图 (ECG) 的新型深度学习模型AttentionCovidNet提供了高效的COVID-19检测. 这种非侵入性方法显示出高精度,有望成为流行病的有价值的诊断工具.
科学领域:
- 医学诊断 医学诊断 医学诊断
- 医疗保健中的人工智能
- 心脏病学 心脏病学
背景情况:
- 由于COVID-19的流行,需要快速准确的诊断方法.
- 目前的COVID-19检测方法在临床实践中表现出低于最佳的灵敏度 (50-70%).
- 迫切需要可访问的,非侵入性诊断工具.
研究的目的:
- 介绍AttentionCovidNet,这是一个有效的深度学习模型用于COVID-19检测.
- 为了利用心电图 (ECG) 数据进行非侵入性COVID-19诊断.
- 根据现有的诊断模型,评估AttentionCovidNet的性能.
主要方法:
- 开发了AttentionCovidNet,一个通道注意力卷积神经网络.
- 使用心电图 (ECG) 信号作为模型的输入数据.
- 对AttentionCovidNet的绩效指标与最先进的模型进行比较分析.
主要成果:
- 注意CovidNet实现了高性能指标:0.993准确度,0.997精度,0.993回忆和0.995F1得分.
- 与最近的最先进的方法相比,该模型显示出更优异的结果.
- 基于心电图的检测被证明是有效和可靠的,用于识别COVID-19.
结论:
- 注意CovidNet显示了作为COVID-19的替代诊断测试的重大承诺.
- 电心电图 (ECG) 数据有可能成为COVID-19诊断的宝贵工具.
- 拟议的模型提供了一种高效,非侵入性的方法来进行流行病诊断.
