31、基于机器学习和深度学习的COVID - 19医学影像检测综述

基于机器学习和深度学习的COVID - 19医学影像检测综述

1. 引言

COVID - 19给全球的政府、经济和社会活动带来了前所未有的挑战，它由严重急性呼吸综合征冠状病毒2引起。自2019年12月初在中国武汉首次发现病例以来，世界卫生组织于2020年3月11日宣布其为大流行病。随着病毒在各国间传播，出现了更危险的变异，其症状与传统病毒有所不同，如低烧、口干、无唾液分泌、胃肠道症状和头痛等。

该病毒传播迅速，主要通过感染者释放的飞沫或气溶胶传播，通常在1米半径内，但也有研究表明它可通过空气传播更远距离。为控制传播，各国政府实施了社交距离限制措施。由于病毒传播速度快，政府难以完全做好应对准备。例如，有研究使用Facebook Prophet模型预测未来90天的病例数，包括峰值，发现美国、巴西、印度、法国、俄罗斯和英国是受影响最严重的六个国家。

早期检测COVID - 19对于及时治疗和减少社区传播至关重要。目前检测方法有逆转录聚合酶链反应（RT - PCR）、快速抗体检测（RAT）以及计算机断层扫描（CT）、超声和胸部X光（CXR）等成像技术。RAT检测速度快，但效率低于RT - PCR，且存在假阴性和假阳性问题。RT - PCR检测更准确，但成本高、耗时久，且无法检测新的病毒变异株。相比之下，CT扫描和CXR在检测COVID - 19相关的肺炎症状方面表现出色，具有快速、高效的特点。

机器学习和深度学习为减轻医生和医疗专业人员的负担提供了机会。通过CT扫描、CXR和超声训练算法，可以实现COVID - 19检测的自动化扫描过程。深度学习算法可提取影像中的重要特征，用于训练机器学习模型，图像处理技术还能增强影像质量并定位感染区域。

1.1