使用深度学习模型早期检测新冠后疲劳综合征
其他定量生物学
2023-10-06 v1
摘要
题为“使用深度学习模型早期检测新冠后疲劳综合征”的研究解决了新冠疫情引发的一个紧迫问题。新冠后疲劳综合征（PCFS）已成为影响新冠感染康复个体的重要健康问题。本研究利用一个包含940名不同年龄段患者的强健数据集，其医疗记录于2022年、2022年和2023年从伊拉克多家医院收集。本研究的主要目标是开发和评估用于早期检测PCFS的深度学习模型。借助深度学习的力量，这些模型在从数据集中提取的综合临床和人口统计学特征上进行训练。目标是实现对新冠后患者PCFS症状的及时识别，从而带来更有效的干预和改善患者预后。研究结果强调了深度学习在医疗保健中的潜力，特别是在新冠康复背景下。早期检测PCFS可帮助医疗专业人员为受影响个体提供及时护理和支持，潜在地减少该综合征对其生活质量的长期影响。本研究为围绕新冠相关健康并发症的日益增长的知识体系做出贡献，并突出了利用先进机器学习技术进行早期诊断和干预的重要性。关键词：早期检测、新冠后疲劳综合征、深度学习模型、医疗保健、新冠康复、医疗数据分析、机器学习、健康干预。
引用
@article{arxiv.2310.03035,
title = {Early Detection of Post-COVID-19 Fatigue Syndrome Using Deep Learning Models},
author = {Fadhil G. Al-Amran and Salman Rawaf and Maitham G. Yousif},
journal= {arXiv preprint arXiv:2310.03035},
year = {2023}
}