区块链为COVID19诊断提供了集体和综合深度学习框架
Sudhakar Periyasamy1, Prabu Kaliyaperumal1, Manikandan Thirumalaisamy2
1School of Computer Science and Engineering, Galgotias University, 203201, Delhi NCR, India.
Scientific reports
|May 13, 2025
概括
一个新的AI模型,CLCD-Block,使用区块链进行安全,分散的COVID-19诊断. 它在CT扫描中达到97%以上的准确性,通过保护患者隐私来改善传统方法.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 区块链技术 区块链技术
背景情况:
- 由于SARS-CoV-2的快速传播,需要COVID-19的先进诊断工具.
- 传统的AI诊断模型面临着集中数据,复杂性和隐私方面的挑战,阻碍了全球数据共享.
- 迫切需要安全,协作式的诊断框架,以平衡准确性和数据保护.
研究的目的:
- 引入一种新的框架,即联合学习集体深度学习区块链模型 (CLCD-Block),用于安全和准确的COVID-19诊断.
- 解决集中数据存储和人工智能驱动医疗诊断培训的局限性.
- 开发一种增强数据隐私并促进安全的全球数据交换的模型.
主要方法:
- CLCD-Block框架将区块链技术与分散的人工智能培训的联合学习范式集成在一起.
- 混合囊学习网络用于使用肺部CT图像进行准确的诊断预测.
- 该模型汇总来自多个机构的数据,确保安全的分发和减少复杂性.
主要成果:
- CLCD-Block模型表现出卓越的诊断性能,在肺部CT图像上达到超过97%的准确性.
- 在四个基准数据集上,该模型实现了高度指标:高达98.79%的精度,98.84%的回忆,98.79%的特异性,98.81%的F1-Score和98.71%的准确性.
- 该框架有效地平衡了诊断准确性和强大的隐私保护.
结论:
- CLCD-Block框架为COVID-19诊断提供了一个安全,分散和准确的解决方案.
- 该模型的适应性扩展到其他医疗保健应用,包括慢性疾病诊断和传染病爆发监测.
- 未来的研究将专注于提高可扩展性和实时性能,以实现更广泛的医疗数据集集成.
