30、人工智能与物联网在医疗领域的应用：应对COVID - 19的智能解决方案

人工智能与物联网在医疗领域的应用：应对COVID - 19的智能解决方案

1. 基于深度学习的COVID - 19 CT检测系统

在COVID - 19的检测中，基于深度学习的系统可自动获取并评估疑似受病毒影响的区域。例如，Silva等人提出了一种名为Efficient - CovidNet的方法，结合了基于投票的方法和跨数据集分析。具体操作如下：
- 数据分组 ：将同一患者的CT图像在投票系统中归为一组。
- 数据集测试 ：该方法在两个最大的COVID - 19 CT分析数据集（SARS - CoV - 2 CT扫描数据集和COVID - 19 CT数据集）上进行了测试，采用基于患者的分割方式。
- 跨数据集分析 ：引入跨数据集分析，以在数据来自不同分区的更准确场景中评估模型的性能。

以下是几种常见的COVID - 19 CT检测方法对比：
| 序号 | 方法名称 | 描述 | 优点 | 缺点 |
| ---- | ---- | ---- | ---- | ---- |
| 1 | uAI智能辅助分析系统 | 对COVID患者进行2460次RT - PCR测试，该系统评估CT扫描 | 能精确评估COVID - 19患者的肺炎情况 | 患者进行CT扫描的移动受限；uAI系统需要手动调整，需深入研究评估可能的影响 |
| 2 | Efficient - CovidNet | 同一患者的图像在投票系统中分组，在两个最大数据集上测试并进行跨数据集分析 | 推荐用于CT扫描中COVID - 19检测的高效深度学习模型；报告两个