导读 大流行于 2020 年初席卷全球，自那时以来已成为包括中国、、西班牙和英国。_ 研究人员正在广泛致力于开发诊断 感染的实用方法，其

大流行于 2020 年初席卷全球，自那时以来已成为包括中国、、西班牙和英国。_ 研究人员正在广泛致力于开发诊断 感染的实用方法，其中许多人将注意力集中在如何利用人工智能 (AI) 来实现这一目的。

几项研究报告称，基于人工智能的系统可用于检测胸部 X 光图像中的 ，因为这种疾病往往会在肺部产生脓液和水的区域，这些区域在 X 光扫描中显示为白点. 尽管已经提出了基于此原理的各种诊断 AI 模型，但提高其准确性、速度和适用性仍然是重中之重。

现在，由韩国仁川国立大学Gwanggil Jeon 教授领导的一个科学家团队开发了一种自动 诊断框架，该框架通过结合两种强大的基于 AI 的技术将事情提高了一个档次。他们的系统可以经过训练，以准确地区分 患者的胸部 X 光图像和非 患者的胸部 X 光图像。他们的论文于 2021 年10 月 27 日在线发布，并于2021 年 11 月 21 日发表在IEEE 物联网期刊第 8 卷第 21 期。

研究人员使用的两种算法是 Faster R-CNN 和 ResNet-101。第一个是基于机器学习的模型，它使用区域提议网络，可以对其进行训练以识别输入图像中的相关区域。第二个是包含 101 层的深度学习神经网络，用作主干。ResNet-101 在使用足够的输入数据进行训练时，是一个强大的图像识别模型。“据我们所知，我们的方法是第一个结合 ResNet-101 和 Faster R-CNN 进行 检测， ”Jeon 教授评论道，“在用 8800 张 X 射线图像训练我们的模型后，我们获得了98% 的卓越准确率。 ”

研究小组认为，他们的策略可能对医院和公共卫生中心早期发现 有用。使用基于人工智能技术的自动诊断技术可以减轻放射科医生和其他医学专家的工作量和压力，他们自大流行开始以来一直面临着巨大的工作量。此外，随着越来越多的现代医疗设备连接到互联网，将有可能将大量训练数据提供给提议的模型;这将带来更高的准确度，而不仅仅是 ，正如 Jeon 教授所说：“我们研究中使用的深度学习方法适用于其他类型的医学图像，可用于诊断不同的疾病。 ”