17、基于云的IoMT实现COVID - 19早期诊断与远程监测

基于云的IoMT实现COVID - 19早期诊断与远程监测

1. 相关研究工作概述

在抗击COVID - 19的过程中，众多研究人员开展了不同方向的工作：
- Muhammad等人利用流行病学标记数据集开发了多种监督学习模型来预测COVID - 19感染，并评估了它们的性能。结果显示，决策树、支持向量机和朴素贝叶斯在准确性、敏感性和特异性方面分别表现最佳。
- Dash等人开发了一个预测COVID - 19爆发的模型，可用于预测未来90天的每日确诊病例数，有助于规划和管理医疗系统及基础设施。
- Chakraborty和Abougreen对人工智能和机器学习在应对大流行病方面的贡献进行了综述。
- Dhawan等人提出了一种安全技术，利用物联网协议和隐写术通过安全传输隐藏图像将隐写图像传输到目的地。
- Kumar等人提议通过物联网对咳嗽声音调查、人工智能模型和信息分类策略进行分类和审核，以对肺部疾病进行分组，并通过与使用儿科办公室和可穿戴传感器数据的其他模型进行比较来测试该模型的可行性。
- Shelke和Chakraborty对增强现实和虚拟现实在脊柱导航中的相关性进行了综述。

2. 实验案例研究

2.1 数据集描述

使用了在GitHub上公开可用的COVIDX数据集。由于计算设施有限，实验仅使用了COVIDX CT数据集的一个子集。分析中使用了来自4000名患者的100,500个CT切片。所有CT图像在医学专业人员的协助下进行手动标记，部分使用自动标记模型进行标记。数据集分为两个变体：
- 变体A：由医学专业人员认证的COVID确诊病例组成。
- 变体B：包含变体A的