基于图像与声学技术的深度神经网络用于 COVID-19 检测与诊断：近期综述
计算机视觉与模式识别
2021-05-04 v4 机器学习
声音
音频与语音处理
摘要
新型冠状病毒病（COVID-19）自 2020 年 3 月起被世界卫生组织宣布为大流行。它是一种具有呼吸趋向性的新兴病毒感染，可发展为非典型肺炎。专家强调早期检测 COVID-19 病毒携带者的重要性。如此，患者将与他人隔离，病毒传播可得以阻止。因此，开发早期诊断和检测方法以确保快速治疗流程并防止病毒传播已成为一个受关注领域。由于标准检测系统耗时且并非人人可得，替代性早期筛查技术已成为迫切需求。本研究全面探讨了近年来流行的基于深度学习（DL）算法的 COVID-19 检测方法。文献中使用的不同方法的优缺点被详细考察。胸部计算机断层扫描（CT）与 X 射线图像提供了患者肺部丰富的表征，耗时更少，并允许使用 DL 算法进行高效的病毒性肺炎检测。第一步是对这些图像进行预处理以去除噪声。接下来，使用多种深度模型（预训练模型、生成模型、通用神经网络等）提取深度特征。最后，利用所得特征进行分类，以判断患者是感染冠状病毒还是其他肺部疾病。本研究中，我们还简要回顾了最新的咳嗽分析用于 COVID-19 早期筛查以及人类移动性估计用于限制其传播的应用。
引用
@article{arxiv.2012.07655,
title = {Deep Neural Networks for COVID-19 Detection and Diagnosis using Images and Acoustic-based Techniques: A Recent Review},
author = {Walid Hariri and Ali Narin},
journal= {arXiv preprint arXiv:2012.07655},
year = {2021}
}