用于传染病检测的人工神经网络：前景与挑战
机器学习
2021-12-08 v1 计算机与社会
信号处理
摘要
人工神经网络（ANN）具备学习、纠正错误以及将大量原始数据转化为有用的治疗与护理医疗决策的能力，这提升了其在增强患者安全和护理质量方面的普及度。因此，本文综述了ANN在为患者医疗决策和高效疾病诊断提供有价值洞察方面的关键作用。我们深入综述了现有文献中提出的各类ANN，这些工作推进了ANN在复杂应用中的适配。此外，我们还调研了ANN在病毒、皮肤、癌症和COVID-19等多种疾病诊断与治疗中的进展。进一步，我们提出了一种称为ConXNet的新型深度卷积神经网络（CNN）模型，用于提高COVID-19疾病的检测准确率。ConXNet使用不同数据集进行训练和测试，其检测准确率和精度均超过97%，显著优于现有模型。最后，我们强调了未来研究方向和挑战，如算法复杂性、可用数据不足、隐私与安全，以及生物传感与ANN的集成。这些研究方向需要相当的关注，以拓展ANN在医疗诊断与治疗应用中的范围。
引用
@article{arxiv.2112.03571,
title = {Neural Networks for Infectious Diseases Detection: Prospects and Challenges},
author = {Muhammad Azeem and Shumaila Javaid and Hamza Fahim and Nasir Saeed},
journal= {arXiv preprint arXiv:2112.03571},
year = {2021}
}
备注
Submitted to IEEE/ACM Transactions on Computational Biology and Bioinformatics