使用机器学习与深度学习诊断 COVID-19：一篇综述
图像与视频处理
2021-10-29 v1 人工智能
信息论
math.IT
摘要
背景：本文系统综述了人工智能（AI）以机器学习（ML）和深度学习（DL）技术形式在对抗新型冠状病毒病（COVID-19）影响中的应用。目的与方法：目的是使用系统综述和荟萃分析优先报告条目（PRISMA）指南对 COVID-19 的 AI 进行范围综述。文献检索涵盖 2020 年 1 月 1 日至 2021 年 3 月 27 日发表的相关研究。在知名出版商处可用的 4050 篇研究论文中，基于 AI、COVID-19、ML、预测、DL、X 射线和计算机断层扫描（CT）等关键词对 440 篇文章进行了全文审查。最终，52 篇文章被纳入本文的结果综合。作为综述的一部分，首先回顾了不同的 ML 回归方法在预测确诊与死亡病例数方面的表现。其次，对 ML 用于 COVID-19 患者分类进行了全面调研。第三，比较了医学影像方面不同数据集在图像数量、阳性样本数和数据集类别数上的差异。还包括诊断的不同阶段，如预处理、分割和特征提取也得到了回顾。第四，比较了不同研究论文的性能结果以评估 DL 方法在不同数据集上的有效性。结果：结果显示残差神经网络（ResNet-18）与密集连接卷积网络（DenseNet 169）对 X 射线图像表现出优异的分类精度，而 DenseNet-201 在分类 CT 扫描图像中具有最高精度。这表明 ML 与 DL 是辅助研究人员和医疗专业人员进行 COVID-19 预测、筛查与检测的有用工具。
引用
@article{arxiv.2110.14910,
title = {Diagnosis of COVID-19 Using Machine Learning and Deep Learning: A review},
author = {M. Rubaiyat Hossain Mondal and Subrato Bharati and Prajoy Podder},
journal= {arXiv preprint arXiv:2110.14910},
year = {2021}
}
备注
17 Pages, 3 Figures