基于尿液参数的集成机器学习方法用于新冠筛查
图像与视频处理
2023-11-06 v1 计算机视觉与模式识别
机器学习
摘要
COVID-19的快速传播与新变体的出现凸显了有效筛查措施的重要性。对感染者进行快速诊断并随后隔离可防止病毒在社会中进一步传播。虽然PCR检测是COVID-19诊断的金标准，但其成本高且耗时。相比之下，尿试纸是一种廉价、无创且可快速获得的筛查方法，能够提供有关患者健康状况的重要信息。在本研究中，我们收集了一个新数据集，并利用尿试纸参数的RGB（红绿蓝）颜色空间来检测个体的健康状况。为提高模型的准确性，我们将RGB空间转换为另外10种颜色空间。在评估四种不同的机器学习模型后，我们提出了一种基于多层感知机神经网络的新型集成模型。尽管初始结果不够理想，但我们通过移除模型空间中的不确定区域，提升了模型对COVID-19的筛查性能。最终，我们的模型基于尿液参数达到了80%的筛查准确率。我们的结果表明，尿试纸可成为COVID-19筛查的有用工具，特别是在无法进行PCR检测的 resource-constrained 环境中。需要进一步研究以验证我们的发现，并探索尿试纸在COVID-19诊断与管理中的潜在作用。
引用
@article{arxiv.2311.01854,
title = {An Ensemble Machine Learning Approach for Screening Covid-19 based on Urine Parameters},
author = {Behzad Moayedi and Abdalsamad Keramatfar and Mohammad Hadi Goldani and Mohammad Javad Fallahi and Alborz Jahangirisisakht and Mohammad Saboori and Leyla badiei},
journal= {arXiv preprint arXiv:2311.01854},
year = {2023}
}