迁移学习应用于新型冠状病毒肺炎诊断综述

摘要：

新型冠状病毒肺炎(COVID-19)疫情爆发以来,由于该病毒具有极强的传染性,所导致的感染人数与死亡人数持续增加.筛查疑似患者和早期诊断COVID-19是防止疫情恶化的重要措施之一.通过核酸检测和人工检查等方法在感染早期诊断出COVID-19是防止其在社会中爆发的最佳途径.然而核酸检测效率低下,仅仅依靠放射科专家诊断X射线图像和CT扫描图像存在耗时长且易出现诊断误差等问题.研究人员相继提出了基于迁移学习的计算机辅助诊断算法,可以最大程度地减少传统诊断方法所产生的问题,但目前关于迁移学习在新冠肺炎成像中的应用综述较少,因此总结和分析了当前国内外基于迁移学习技术诊断COVID-19的研究成果.针对模型类型进行分类讨论,分别从数据集来源、数据预处理方法、基于迁移学习的诊断模型、模型可视化、评价指标以及模型性能6个角度进行分析和比较.并指出了当前所面临的挑战和未来的发展方向,为今后进一步的研究工作奠定了基础.

关键词：新型冠状病毒肺炎(COVID-19)、迁移学习、计算机辅助诊断、医学影像处理

所属期刊栏目：17

分类号：TP391.4(计算技术、计算机技术)

在线出版日期：2023-03-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共16页

页码：561-576