用于 COVID-19 分析的深度学习技术综述及其在检测 Omicron 中的可用性
图像与视频处理
2023-06-09 v2 计算机视觉与模式识别
摘要
2019 年 12 月的冠状病毒（COVID-19）暴发已成为对全球人类的持续威胁，造成了感染数百万生命的健康危机，并摧毁了全球经济。深度学习（DL）技术已被证明有助于及时分析和勾画放射图像中的感染区域。本文对 DL 技术进行了深入综述，并基于诊断策略与学习方法绘制了分类体系。DL 技术在图像与区域级分析中针对 COVID-19 诊断被系统划分为分类、分割和多阶段方法。每一类均包含用于检测 X 射线和计算机断层扫描（CT）放射成像模态中 COVID-19 感染的预训练与定制卷积神经网络架构。此外，讨论了开发诊断技术中的挑战，如跨平台互操作性与成像模态检验。类似地，也对这些技术中使用的各类方法与性能度量进行了回顾。本综述为 DL 分析放射图像中有前景的研究领域提供了洞见，并进一步加速设计基于定制 DL 的诊断工具以有效应对 COVID-19 新变异株与新兴挑战的研究。
引用
@article{arxiv.2202.06372,
title = {A Survey of Deep Learning Techniques for the Analysis of COVID-19 and their usability for Detecting Omicron},
author = {Asifullah Khan and Saddam Hussain Khan and Mahrukh Saif and Asiya Batool and Anabia Sohail and Muhammad Waleed Khan},
journal= {arXiv preprint arXiv:2202.06372},
year = {2023}
}
备注
Pages: 44, Figures: 7, Tables: 14