16、AI和物联网如何应对新冠疫情

AI和物联网如何应对新冠疫情

1. 新冠疫情概述

新冠疫情自2019年12月在中国武汉首次发现病例以来，对全球的卫生系统、经济和社会平衡产生了巨大影响。据世界卫生组织报告，全球感染人数超过2800万，其中70%以上康复，超过3.25%死亡，7087234例为活跃病例，其中99%为轻症，1%为重症或危重症。随着欧洲国家加强限制措施以遏制第二波疫情，感染人数仍在不断上升。

2. 早期检测研究

许多研究使用深度学习架构进行新冠病毒的早期检测，采用了不同的数据集和模型，以下是一些研究的总结：
|作者|数据集|使用模型|结果|
|----|----|----|----|
|[20]|RSNA肺炎数据集、胸部X射线|迁移学习ResNet - 101、ResNet - 152|96.1%|
|[19]|新冠、正常（来自健康人）、病毒性肺炎和细菌性肺炎|ResNet50、ResNet101、ResNet152、InceptionV3和Inception - ResNetV2|ResNet50表现最佳，准确率、召回率和特异性分别为98%、96%和100%|
|[23]|评估卷积神经网络架构性能|迁移学习|最佳精度、灵敏度和特异性分别为96.78%、98.66%和96.46%|
|[24]|构建计算机辅助诊断（CAD）网络服务在线检测COVID19|DenseNet121、InceptionV3、ResNet50V2、ResNet50V1、MobileNetV1、MobileNetV2|最佳的DenseNet121架构，召回率为90.80%，准确率为89.76%和90.61%|
|[25]|多个国际胸部CT数据集|2D和3D深