Zum Inhalt

A comprehensive review of COVID-19 detection with machine learning and deep learning techniques

  • 07.06.2023
  • Original Paper
Erschienen in:

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Der Artikel behandelt die Anwendung von maschinellem Lernen und Deep-Learning-Techniken zum Nachweis von COVID-19 durch medizinische Bildgebung, wobei der Schwerpunkt auf der Verwendung von CT-Scan- und Röntgenbildern liegt. Darin werden die Grenzen traditioneller Diagnoseverfahren wie RT-PCR und das Potenzial von KI zur Verbesserung der Erkennungsgenauigkeit diskutiert. Der Bericht behandelt verschiedene KI-Modelle, ihre Vorverarbeitungstechniken, Extraktionsmethoden und Klassifizierungsansätze. Insbesondere hebt der Artikel die beeindruckenden Genauigkeitsraten hervor, die von einigen Modellen erreicht werden und bis zu 99% erreichen. Die klinischen Anwendungen und zukünftigen Forschungsrichtungen werden ebenfalls untersucht, wobei das Potenzial der künstlichen Intelligenz bei der Entwicklung effizienterer und zuverlässigerer Diagnosewerkzeuge für COVID-19 hervorgehoben wird.

Sie sind noch kein Kunde? Dann Informieren Sie sich jetzt über unsere Lizenzmodelle:

Einzelzugang

Starten Sie jetzt Ihren persönlichen Einzelzugang. Erhalten Sie sofortigen Zugriff auf mehr als 170.000 Bücher und 540 Zeitschriften - pdf-Downloads und Neu-Erscheinungen inklusive.

Jetzt ab 54,00 € pro Monat!                                        

Mehr erfahren

Zugang für Unternehmen

Nutzen Sie Springer Professional in Ihrem Unternehmen und geben Sie Ihren Mitarbeitern fundiertes Fachwissen an die Hand. Fordern Sie jetzt Informationen für Firmenzugänge an.

Erleben Sie, wie Springer Professional Sie in Ihrer Arbeit unterstützt!

Beraten lassen
Titel
A comprehensive review of COVID-19 detection with machine learning and deep learning techniques
Verfasst von
Sreeparna Das
Ishan Ayus
Deepak Gupta
Publikationsdatum
07.06.2023
Verlag
Springer Berlin Heidelberg
Erschienen in
Health and Technology / Ausgabe 4/2023
Print ISSN: 2190-7188
Elektronische ISSN: 2190-7196
DOI
https://doi.org/10.1007/s12553-023-00757-z
Dieser Inhalt ist nur sichtbar, wenn du eingeloggt bist und die entsprechende Berechtigung hast.
Bildnachweise
AvePoint Deutschland GmbH/© AvePoint Deutschland GmbH, ams.solutions GmbH/© ams.solutions GmbH, Wildix/© Wildix, arvato Systems GmbH/© arvato Systems GmbH, Ninox Software GmbH/© Ninox Software GmbH, Nagarro GmbH/© Nagarro GmbH, GWS mbH/© GWS mbH, CELONIS Labs GmbH, USU GmbH/© USU GmbH, G Data CyberDefense/© G Data CyberDefense, Vendosoft/© Vendosoft, Kumavision/© Kumavision, Noriis Network AG/© Noriis Network AG, tts GmbH/© tts GmbH, Asseco Solutions AG/© Asseco Solutions AG, AFB Gemeinnützige GmbH/© AFB Gemeinnützige GmbH, Ferrari electronic AG/© Ferrari electronic AG, Doxee AT GmbH/© Doxee AT GmbH , Haufe Group SE/© Haufe Group SE, NTT Data/© NTT Data, Bild 1 Verspätete Verkaufsaufträge (Sage-Advertorial 3/2026)/© Sage, IT-Director und IT-Mittelstand: Ihre Webinar-Matineen in 2025 und 2026/© amgun | Getty Images