科研之友
微信
新浪微博
Facebook
分享链接
摘要
新型冠状病毒肺炎（COVID-19）疫情暴发以来，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是防止其在社会中暴发的最佳途径。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。
- 单位
