机器学习用于基于医学成像的COVID-19检测和诊断
Rokaya Rehouma1, Michael Buchert1,2, Yi-Ping Phoebe Chen3
1School of Cancer Medicine La Trobe University Melbourne Victoria Australia.
International journal of intelligent systems
|April 12, 2024
概括
早期检测2019年新冠病毒病 (COVID-19) 是至关重要的. 使用CT和X射线图像的机器学习模型显示出准确的COVID-19检测的希望,即使数据有限.
科学领域:
- 医学成像和人工智能 医学成像和人工智能
- 传染病诊断 传染病诊断 传染病诊断
背景情况:
- 冠状病毒疾病2019 (COVID-19) 由于快速传播和高死亡率,构成了全球健康挑战.
- 早期检测COVID-19对于控制大流行至关重要,但传统的方法,如RT-PCR有局限性,包括高假阴性率.
- 医学成像 (CT,X射线) 显示了 COVID-19 独特的特征,使其与健康病例和其他肺炎有所区别.
研究的目的:
- 通过医学成像检测COVID-19的机器学习 (ML) 的最新进展.
- 专注于应用到CT和X射线图像上的ML模型,如在高影响力期刊上发表的.
- 讨论COVID-19患者的特征性成像特征.
主要方法:
- 在COVID-19诊断和严重程度评估中审查机器学习应用程序.
- 专注于深度学习算法,特别是卷积神经网络 (CNN).
- 分析利用CT和X射线成像数据的研究.
主要成果:
- 机器学习模型展示了从医学图像中诊断COVID-19的巨大潜力.
- 深度学习,特别是CNN,被广泛用于图像细分和分类任务.
- 许多ML模块实现了高的预测准确性,即使是小的数据集.
结论:
- 机器学习,特别是CT和X射线图像上的深度学习,为COVID-19检测提供了强大的工具.
- 机器学习应用可以帮助早期诊断,并有可能改善患者的治疗结果.
- 这些模型的进一步研究和应用对于流行病管理是有必要的.
