Sep, 2023

基于人工神经网络的冠状病毒智能检测系统的开发

PDF
TL;DR本文介绍了基于人工神经网络的新型智能系统用于检测冠状病毒。通过综合文献回顾发现，高烧占 COVID-19 症状的 87.9%。收集了来自尼日利亚恩古市 Collie 医院的 683 例 COVID-19 患者的高温数据（>= 38℃），用于训练人工神经网络侦探模型。使用混淆矩阵，回归和均方差（MSE）进行性能评估时，回归值为 0.967；准确率为 97%，MSE 为 0.00100Mu。这些结果表明，该新的检测系统对 COVID-19 的检测是可靠且非常有效的。
coronavirusintelligent systemartificial neural networkcovid-19 detectionfpga controller
发现论文，激发创造
  • 基于演化的 Tsukamoto 神经模糊模型在胸部 X 光图像中多类 Covid 19 分类中的应用

    本研究提出了一种基于机器学习和神经模糊推理网络的自动 COVID-19 检测框架，采用猫群优化算法更新参数，从胸部 X 光图像中提取六个纹理特征作为输入，经过模拟实验，其精度为 98.51％, 敏感度为 98.35％，特异度为 98.08％，F1 得分为 98.17％。

    May, 2023

  • 基于不同人工智能方法的血液检测参数的新冠病毒检测

    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

  • 使用 X 射线图像与深度卷积神经网络自动检测冠状病毒疾病（COVID-19）

    本研究提出基于卷积神经网络的五个预训练模型，使用胸部 X 射线放射状图像实现对冠状病毒肺炎感染者的检测，其中 ResNet50 模型表现最佳，对 Dataset-1、Dataset-2 和 Dataset-3 分别达到 96.1%、99.5% 和 99.7% 的准确率，拥有高效的诊断性能。

    Mar, 2020

  • 新冠病毒 (COVID-19) 流行病的快速 AI 开发周期：使用深度学习 CT 图像分析进行自动检测和患者监测的初步结果

    本研究开发出基于人工智能的自动 CT 图像分析工具，检测、量化和跟踪冠状病毒，使用多个国际数据集进行测试，证明其可区分冠状病毒患者和非患者，并评估患者疾病进展情况。该研究在检测冠状病毒、量化和跟踪疾病负担方面取得了高度准确的结果，证明了基于人工智能的 CT 图像分析的可行性。

    Mar, 2020

  • 高效 COVID19 检测中释放改进的深度学习模型

    COVID19 预测和检测的深度学习方法在此研究中得到了改进，并且高精度的预测模型可为医疗系统、决策者和研究者做出准确决策以减少 COVID-19 及其它传染病。

    Oct, 2023

  • 基于图像和声学技术的深度神经网络 COVID-19 检测与诊断：最新综述

    通过对深度学习算法在新型冠状病毒 COVID-19 检测中的应用进行全面探讨，研究人员指出，基于胸部 CT 和 X 射线图像的深度学习算法可以有效地检测肺炎，从而实现对 COVID-19 的早期诊断和预防传播。同时，文章还简要讨论了最新的咳嗽分析应用和人类移动估计技术，以限制 COVID-19 的传播。

    Dec, 2020

  • MEDNC: 用于 COVID-19 诊断的多模型深度神经网络

    本文提出了一种基于深度学习及计算机断层扫描（CT）图像的自动化 COVID-19 诊断框架 MEDNC，该方法能够以高精度（达到 98.79% 和 99.82%）快速识别 COVID-19 病例，为优化医疗资源和减轻临床医生的工作负担提供了一种有力的工具。

    Apr, 2023

  • 使用深度神经网络从呼吸和咳嗽声音中检测 COVID-19

    本研究探讨了使用深度学习模型作为一种通用的、低成本的 COVID-19 预筛查方法，以从手机设备或通过 Web 获取的呼吸或咳嗽音频中检测 COVID-19，通过深度学习模型的集成表现优于传统方法，特别针对呼吸音频具有更好的诊断性能。

    Dec, 2020

  • COVID-19 基于人工智能辅助 CT 影像分析的计算机辅助诊断：部署一种医学人工智能系统

    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

  • 利用深度神经网络和超声成像检测 COVID-19 疾病

    该论文提出利用卷积神经网络分析肺部超声扫描图像，以检测 COVID-19 病例，成为辅助诊断工具的一种尝试。

    Apr, 2021