基于大流行雾-云计算架构的医疗图像分析革新
计算机视觉与模式识别
2023-11-03 v1 人工智能
摘要
大流行的出现显著凸显了医疗数据分析中对有效解决方案的需求。该领域的一个特定挑战是医学图像（如 X 光和 CT 扫描）的手动检查。此过程耗时，并涉及将这些图像传输至集中式云计算服务器的物流复杂性。此外，图像分析的速度和准确性对于高效的医疗图像管理至关重要。本研究论文引入了一种创新医疗架构，通过利用人工智能（AI）的能力应对分析效率与准确性的挑战。具体而言，所提架构利用雾计算并提出了一种专为图像分析修改的卷积神经网络（CNN）。深入探索和评估了不同 CNN 层架构以优化整体性能。为证明所提方法的有效性，使用 X 光图像数据集进行分析和评估。与 VGG16、VGG19、MobileNet 等近期模型及相关研究论文进行比较评估。值得注意的是，所提方法在正常病例分类中达到 99.88% 的卓越准确率，验证率为 96.5%，精确率和召回率为 100%，F1 得分为 100%。这些结果凸显了雾计算和修改版 CNN 在革新医疗图像分析与诊断方面的巨大潜力，不仅适用于大流行期间，也适用于未来。通过利用这些技术，医疗专业人员可提升医学图像分析的效率和准确性，从而改善患者护理与预后。
引用
@article{arxiv.2311.01185,
title = {Revolutionizing Healthcare Image Analysis in Pandemic-Based Fog-Cloud Computing Architectures},
author = {Al Zahraa Elsayed and Khalil Mohamed and Hany Harb},
journal= {arXiv preprint arXiv:2311.01185},
year = {2023}
}