31、基于机器学习和深度学习的COVID - 19医学影像检测方法综述

基于机器学习和深度学习的COVID - 19医学影像检测方法综述

1. 引言

COVID - 19给全球的政府、经济和社会活动带来了前所未有的挑战。它由严重急性呼吸综合征冠状病毒2引起，自2019年12月初在中国武汉首次发现病例后，迅速在全球蔓延。2020年1月30日，世界卫生组织宣布其为“突发公共卫生事件”，并于3月11日将其列为大流行病。

随着病毒在各国之间传播，它开始出现更危险的变异，表现出一些传统病毒所没有的症状，如低烧、口干、无唾液分泌、胃肠道症状和头痛等。该病毒传播性强，科学家认为它可通过感染者释放的飞沫或气溶胶传播，通常在1米半径内，但也有研究表明它可通过空气传播更远距离。

为控制病毒传播，各国政府采取了社交距离限制等措施。同时，准确检测病毒至关重要，因为早期发现有助于及时治疗和减少社区传播。目前检测COVID - 19的方法有多种，包括逆转录聚合酶链反应（RT - PCR）、快速抗体检测（RAT）以及计算机断层扫描（CT）、超声和胸部X光（CXR）等成像技术。

RAT检测速度快，几分钟即可出结果，但效率低于RT - PCR，且存在假阴性和假阳性问题。RT - PCR检测更准确，但成本高、耗时长，且无法检测到新的病毒变种。相比之下，CT扫描和CXR在检测COVID - 19方面表现出优势，肺炎作为COVID - 19最常见的症状，可通过CT扫描和CXR检测出来。

机器学习和深度学习为减轻医生和医疗专业人员的负担提供了机会。通过对CT扫描、CXR和超声图像进行算法训练，可以实现COVID - 19检测的自动化扫描过程，有助于早期发现病毒。

1.1 常见检测方法对比