25、新冠疫情下智能医疗的检测与安全框架研究

新冠疫情下智能医疗的检测与安全框架研究

1. 新冠检测模型对比分析

在新冠疫情期间，利用深度学习算法进行新冠检测成为研究热点。研究评估了众多训练好的模型，发现新冠分类训练和评估的准确率较为可观。多数表现出色的模型为二分类器，或者是基于CT扫描图像进行训练的。

模型	AUC值
Inception V3	0.9199
DenseNet 169	0.9555
ResNet50 V2	0.942
Xception	0.9426

二分类器由于需要预测的类别较少，比多类别模型更准确。早期模型存在的问题是，为达到90%的准确率，它们更为复杂，计算成本也更高。尽管研究使用的模型类别更多、新冠数据集更小且模型更简单，但基于性能仍取得了更好的结果。由于新冠数据稀缺，以往研究使用的数据可能比当前研究少，因此将数据较少的研究模型与当前模型进行比较并不公平。使用DenseNet169迁移学习（TL）模型在测试新冠数据集上的结果超过了现有技术水平，准确率达到96%，AUC ROC分数为95.5%。

graph L