12、基于神经网络算法的 COVID - 19 深度学习分析

基于神经网络算法的 COVID - 19 深度学习分析

1. 引言

数据科学融合了领域经验、编程能力以及定量和计算理解，旨在深入洞察信息处理过程。数据科学家运用机器学习算法处理数字、文本、图像、视频和音频等数据，以实现类人智能任务，所生成的概念可转化为实际市场价值。然而，对于部分组织而言，强化数据科学活动并非易事。DataRobot 自主机器学习网络不仅提高了数据科学家的工作效率，还推动了数据分析和知识产权的普及，使研究人员、行业客户和技术专家都能参与其中，它自动化了重复的建模活动，缩小了数据科学家与其他业务人员之间的差距。

新冠疫情给全球人口的健康和福祉带来了毁灭性影响，对感染患者进行积极监测对于缓解疫情至关重要，这有助于患者及时诊断和治疗，并减少疾病传播。检测 COVID - 19 的主要筛查技术是通过逆转录聚合酶链反应（RT - PCR）检测呼吸道标本中的 SARS - CoV - 2 RNA，但该手动过程耗时、费力且复杂。

另一种监测方式是放射学研究，放射科医生通过 X 射线（如胸部 X 光）或计算机断层扫描（CT）成像来分析 SARS - CoV - 2 病毒暴露的视觉标记。早期研究表明，COVID - 19 患者的胸部 X 光存在典型缺陷，放射学评估可作为疫情地区 COVID - 19 筛查的重要工具。使用胸部 X 光（CXR）图像进行 COVID - 19 筛查具有诸多优势，它能对疑似患者进行快速分诊，可与病毒检测结合使用，在病毒检测供应不足或受影响严重的地区发挥重要作用，在患者需居家等待症状加重的地区也很有用。此外，CXR 设备价格实惠，且便于在隔离空间操作，能减少病毒传播风险，在某些情况下比 PCR 检测更敏感。但放射科医生在分类 CXR 图像时面临视觉标记模糊