Key points are not available for this paper at this time.
A pandemia em andamento de COVID-19 (doença do coronavírus 2019) provocou uma emergência global, resultando em significativas perdas e um efeito negativo nos sistemas socioeconômicos e de saúde ao redor do mundo. Portanto, a triagem automática e rápida de infecções por COVID-19 tornou-se uma necessidade urgente desta pandemia. A reação em cadeia da polimerase por transcrição reversa em tempo real (RT-PCR), um método clínico primário comumente utilizado, é cara e demorada para profissionais de saúde qualificados. Com a ajuda de várias funcionalidades de IA e tecnologias avançadas, as tomografias computadorizadas de tórax podem, portanto, ser uma alternativa viável para a triagem rápida e automática da COVID-19. No momento, avanços significativos na tecnologia celular 5G e na internet das coisas (IoT) estão sendo utilizados em várias aplicações no setor de saúde. Este estudo apresenta um modelo de empilhamento baseado em aprendizado profundo habilitado por IoT para analisar tomografias computadorizadas de tórax para um diagnóstico eficaz de encontros com COVID-19. Inicialmente, os dados do paciente serão obtidos usando dispositivos IoT e enviados para um servidor em nuvem durante a fase de aquisição de dados. Em seguida, usamos diferentes submodelos de CNN ajustados, que são empilhados juntos usando um meta-aprendiz para detectar infecção por COVID-19 a partir das tomografias de entrada. O modelo proposto é avaliado usando um conjunto de dados de acesso aberto contendo imagens de tomografias de COVID-19 infectadas e não infectadas. Os resultados da avaliação mostram a eficácia do modelo empilhado proposto, contendo CNNs ajustadas e um meta-aprendiz na detecção de infecções por coronavírus usando tomografias.
Mohammad Shorfuzzaman (Mon,) estudou essa questão.