6、基于物联网与深度学习的 COVID - 19 预测

基于物联网与深度学习的 COVID - 19 预测

1. 引言

1.1 研究动机

旨在利用长短期记忆网络（LSTM），以经济高效的方式在短时间内准确检测 COVID - 阳性病例。同时，运用深度学习（DL）架构预测疾病严重程度，并与五种卷积神经网络（CNN）架构的结果进行对比。

1.2 COVID - 19 背景

2019 年 12 月出现的 SARS - CoV - 2 冠状病毒引发了 COVID - 19 这一致命的呼吸道传染病。该疾病表现形式多样，严重程度从轻微到严重不等，可能导致多器官衰竭、重症肺炎甚至死亡。截至 2020 年 10 月 4 日，全球 235 个国家报告的阳性病例和死亡人数分别达到 34,804,348 和 1,030,738。主要确诊阳性病例集中在患有严重呼吸道疾病、高血压、心血管综合征的患者以及老年人中。因此，需要借助现代技术，提出一种低成本、短时间的模型来早期检测感染病例。

1.3 人工智能（AI）简介

AI 在医学成像领域是一种很有前景的工具，为抗击 COVID - 19 做出了重要贡献。传统成像工作流程完全依赖人力，而 AI 能够在无需人工参与的情况下，提供安全、精确和高效的成像解决方案。AI 在工程、医学、经济和心理学等多个领域都能解决复杂问题。

1.4 AI 技术在 COVID - 19 预测中的合理性

基于 AI 的现代 COVID - 19 应用可用于拍摄肺部的 X 光和计算机断层扫描（CT）图像，并从提供的肺部图像中分割出受影响的区域。除了预测，该模型还能识别疾病的严重程度阶段，这表明 AI 在全球医疗保健组织的发展中起着