基于血液检测参数使用多种人工智能方法的新冠肺炎检测

2019年，世界面临新的挑战：由新型冠状病毒SARS-CoV-2引起的新冠肺炎疾病。病毒迅速在全球传播，导致高死亡率，促使卫生组织采取措施控制传播。早期疾病检测在治疗过程中至关重要，计算机自动检测系统已被开发用于辅助这项工作。这些系统通常依赖人工智能方法，如机器学习、神经网络、模糊系统和深度学习来分类疾病。本研究旨在使用自分类分类器并采用多种AI方法区分新冠肺炎患者与其他患者。本研究使用了两个数据集：血液检测样本和放射影像。从San Raphael医院获得的血液检测样本包括两类个体：新冠肺炎患者和非新冠肺炎疾病患者，最佳结果是通过集成方法（神经网络与两种机器学习方法的组合）实现的。结果表明，该方法用于新冠肺炎诊断具有成本效益，并且比其他方法在更短时间内提供结果。所提模型在所用数据集上达到94.09%的准确率。其次，放射影像分为四类：正常、病毒性肺炎、磨玻璃影和新冠肺炎感染。这些用于分割和分类。从图像中提取肺叶，然后分类到特定类别。我们在图像数据集上达到91.1%的准确率。总体而言，本研究强调了AI在检测和管理新冠肺炎方面的潜力，并强调了该领域持续研究和开发的重要性。