本篇文章尝试使用人工智能和深度学习来预测新冠病毒传播，并测试了该方法对识别病毒对胸部 X 光片的感染的效果。通过此研究，我们得出了结论：人工智能有助于识别疾病爆发的关键特征，这对保护人类免受这种致命疾病的影响具有重要意义。

Apr, 2023

本文评估了医疗成像和分析技术在 COVID-19 中的作用，并介绍了最新的人工智能 (AI) 技术，如 AI - 强化的图像采集和精准的感染区分，以支持医疗专家进行有效的决策和治疗。本文还着重于探讨如何整合 AI 技术，优化常见的 X 射线和计算机断层扫描 (CT) 等临床工具，从而更好地抗击 COVID-19。

Apr, 2020

回顾了 COVID-19 大流行期间的 AI 诊断模型，并重点讨论了针对不同挑战提出的解决方案，旨在为 AI 社区为公共卫生紧急情况开发量身定制的工具做准备。

Sep, 2023

该论文着重介绍了使用机器学习以增强 COVID-19 诊断中的医学影像学方法，例如深度学习可以在几分钟内无需人工干预准确地区分肺部的损伤。此外，机器学习可以辅助放射科医生做出更精确的临床决策，例如检测和区分不同呼吸系统感染以及在 CT 和 X 射线图像中分割感染，即使损伤的大小和形状不同。该文章批判性评估了在 CT 和 X 射线图像的分割、分类和检测中使用的机器学习方法，这些方法被广泛应用于临床和医院设置中以在各个方面详尽地呈现肺部情况。普遍预期这项技术将继续在医疗保健领域占据核心地位，并推动防疫工作的进一步进展。

Jan, 2024

展示了一种集成可靠、快速部署的先进 AI 系统，用于自动分析 CT 图像以检测 COVID-19 感染概率，并通过分类和分割组件减少医生检测时间，提高 COVID-19 检测效率。AI 系统还通过锚集相似性分配 3D CT 扫描的感染概率，提供解释性，协助医生及时确认和隔离感染患者。

Mar, 2024

本研究旨在使用自分类分类器，结合各种人工智能方法，通过血液检测样本和放射学图像将 COVID-19 患者与其他人区分开。提出的模型在数据集上实现了 94.09％的准确率，并在更短时间内提供结果。此外，还将放射学图像分为四类，并通过提取肺叶并进行分类来实现了 91.1％的准确率。总的来说，本研究强调了人工智能在 COVID-19 的检测和管理中的潜力，并强调了在该领域继续进行研究和发展的重要性。

Apr, 2024

本文探讨了 AI 在应对 covid-19 疫情中的作用与潜在问题，指出 AI 系统可能会在三个层面引入或反映偏见和歧视，从而加剧疫情对处境困难群体的不利影响。作者呼吁决策者、技术开发人员和卫生官员应全程考虑 AI 过程中的潜在偏差和不公平性，以减轻 AI 对 covid-19 不平等的复合影响。

Apr, 2021

本研究旨在研究利用深度学习技术对 X 光胸片进行 COVID-19 肺炎自动检测的实用性，该网络训练的准确率、精确率、敏感性和特异性均较高，可作为 COVID-19 快速筛查工具的一种替代方案。

Mar, 2020

本研究通过多种数据源建立了多个机器学习模型对当前 COVID-19 研究场景进行了表征，包括识别潜在主题、分析出版物相似性和情感。结果表明 PubMed 和 ArXiv 中的研究类型存在显著区别，前者在 COVID-19 相关问题的多样性方面具有更大的多样性，后者则更关注预测 / 诊断 COVID-19 的智能系统 / 工具。研究团队对高危人群和并发症患者的特别关注也得到了证实。

Jul, 2020

该研究提出使用人工智能技术开发出一种可通过智能手机应用程序进行 COVID-19 感染筛查的方法，该方法可以区分 COVID-19 咳嗽声与其他类型的咳嗽声。该方案不仅可以成为一种筛查工具，也可以作为临床决策辅助工具，将临床测试和治疗引导给最需要的人，从而挽救更多的生命。

Apr, 2020