17、基于云的IoMT实现COVID - 19早期诊断与远程监测

基于云的IoMT实现COVID - 19早期诊断与远程监测

1. 相关研究工作概述

在抗击COVID - 19的过程中，众多研究工作都在利用不同技术助力诊断和监测。以下是一些相关研究：
- Muhammad等人开发了多种监督学习模型，利用流行病学标记数据集预测COVID - 19感染，并评估了它们的性能。结果显示，决策树、支持向量机和朴素贝叶斯在准确性、敏感性和特异性方面分别表现最佳。
- Dash等人开发了一个预测COVID - 19爆发的模型，用于预测未来90天的每日确诊病例，有助于规划和管理医疗系统及基础设施。
- Chakraborty和Abougreen对人工智能（AI）和机器学习（ML）在应对大流行病方面的贡献进行了综述。
- Dhawan等人提出了一种安全技术，利用物联网（IoT）协议和隐写术，通过安全传输隐藏图像将隐写图像传输到目的地。
- Kumar等人提出通过物联网对咳嗽声音调查、AI模型和信息收集策略进行分类和审核，以对肺部疾病进行分组，并通过与使用儿科办公室和可穿戴传感器数据的其他模型进行比较，测试了该模型的可行性。
- Shelke和Chakraborty对增强现实和虚拟现实在脊柱导航中的相关性进行了评估综述。

2. 实验案例研究

2.1 数据集描述

本次实验使用了在GitHub上公开可用的COVIDX数据集。由于计算设施有限，仅使用了COVIDX CT数据集的一个子集。分析使用了来自4000名患者的100,500个CT切片。所有CT图像在医学专业人员的协助下手动标记，部分使用自动标记模型进行标记。数据集分为两个变体：
- 变体A：由医学专业人员认证的COV