Los puntos clave no están disponibles para este artículo en este momento.
El brote del nuevo coronavirus (COVID-19) ha generado una situación calamidad en todo el mundo y se ha convertido en una de las enfermedades más agudas y severas en los últimos cien años. La tasa de prevalencia de COVID-19 está aumentando rápidamente cada día en todo el mundo. Aunque aún no se han descubierto vacunas para esta pandemia, las técnicas de aprendizaje profundo han demostrado ser una herramienta poderosa en el arsenal utilizado por los clínicos para el diagnóstico automático de COVID-19. Este documento tiene como objetivo ofrecer una visión general de los sistemas recientemente desarrollados basados en técnicas de aprendizaje profundo utilizando diferentes modalidades de imágenes médicas como Tomografía Computarizada (TC) y radiografías. Esta revisión discute específicamente los sistemas desarrollados para el diagnóstico de COVID-19 usando técnicas de aprendizaje profundo y proporciona información sobre conjuntos de datos bien conocidos utilizados para entrenar estas redes. También destaca las técnicas de particionamiento de datos y diversas medidas de rendimiento desarrolladas por investigadores en este campo. Se elabora una taxonomía para categorizar los trabajos recientes para una comprensión adecuada. Finalmente, concluimos abordando los desafíos asociados con el uso de métodos de aprendizaje profundo para la detección de COVID-19 y las posibles tendencias futuras en esta área de investigación. El objetivo de este documento es facilitar a expertos (médicos u otros) y técnicos en la comprensión de las formas en que se utilizan las técnicas de aprendizaje profundo en este sentido y cómo pueden potencialmente ser utilizadas para combatir el brote de COVID-19.
Islam et al. (Vier,) estudiaron esta cuestión.