21、基于深度小波散射网络的COVID - 19多模态诊断

基于深度小波散射网络的COVID - 19多模态诊断

1. 引言

自2019年12月以来，全球都在与COVID - 19大流行作斗争。据信，全球已有超过2.19亿人感染了COVID - 19，超过450万人死亡。而且，发展中国家的实际感染和死亡人数可能比官方记录的情况更糟。

当前疫情面临的最具挑战性的问题之一是对疑似病例的早期诊断和密切监测。实时逆转录聚合酶链反应（RT - PCR）检测已被广泛接受为诊断COVID - 19的主要手段。然而，研究表明，PCR检测的假阴性率差异很大。在接触病毒的前4天，假阴性率最高（可达67%），在第8天最低（约21%）。由于早期诊断对提高患者的生存率至关重要，这一情况令人警觉。除了PCR检测外，胸部X光片和计算机断层扫描（CT）也常用于COVID - 19病例的诊断和监测。

随着全球在COVID - 19疫情的浪潮中持续挣扎，基于人工智能的诊断解决方案越来越受到关注，这在资源有限的发展中国家和地区尤为明显。然而，尽管有大量研究，但剑桥大学的一项研究表明，大多数已发表的方法几乎没有临床相关性。而且，大多数相关研究都集中在资源消耗大的深度学习解决方案上，这在资源有限的环境中可能作用有限。

2. 相关工作

过去一年，利用人工智能对X光和CT扫描图像进行COVID - 19诊断的研究越来越多。文献中的大多数方法都集中在使用卷积神经网络（CNN）和迁移学习方法上。为了解决训练数据稀缺的问题，也有人提出了数据增强方法。

• 有研究对各种深度学习诊断方法进行了概述，报告的准确率在80% - 98%之间，但大多数结果是在相对较小的训练和/或测试数据集上得到的，容易出现过拟合。