29、利用人工智能从 X 光图像中检测 COVID - 19

利用人工智能从 X 光图像中检测 COVID - 19

1. 模型概述

在新冠疫情背景下，利用人工智能技术从 X 光图像中检测 COVID - 19 成为研究热点。有研究提出的模型旨在运用迁移学习、模型集成等方法，对胸部 X 光（CXR）图像进行分类，标签分为正常、肺炎和 COVID - 19 三种。例如，选择的 ResNet - 101 和 ResNet - 152 模型在训练周期中动态提升权重比，融合效果良好，在测试集上对 CXR 图像的分类准确率达到 96.1%。

还有其他学者也进行了相关研究：
- Apostolopoulos 和 Mpesiana（2020）使用严重细菌性肺炎患者的 X 光图像样本，验证 COVID - 19 病例和正常情况，以实现自动识别冠状病毒。他们采用迁移学习来识别小型医学图像数据集中的不同异常，研究表明深度学习结合 X 光成像可以提取与 COVID - 19 疾病相关的重要生物标志物，最佳准确率、灵敏度和特异性分别达到 96.78%、98.66% 和 96.46%。
- Rahimzadeh 和 Attar（2020）在两个开源数据集上训练多个深度卷积神经网络（CNN），将 X 光图像分为正常、肺炎和 COVID - 19 三类。他们提出的深度神经网络（DNN）模型是 Xception 和 ResNet50V2 网络的拼接，利用这两个强大网络的各种特征，该网络实现了最高精度，检测 COVID - 19 病例的平均准确率为 99.50%，所有等级的总平均准确率为 91.4%。
- Islam 等人（2020）引入了一种基于 CNN 和长短期记忆网络（LSTM）组合的深度学习技术，用于自动从 X 光图像中诊断 COVID - 19。CNN