塞维利亚大学计算机工程高级技术学院（ETSII）计算机结构与技术系的研究人员正在研究基于患者肺部X射线图像的COVID-19诊断辅助系统。该系统使用深度学习（Deep Learning）来训练神经网络模型，该模型对健康患者、肺炎患者和COVID-19患者进行分类。为此，开放访问的在线数据库被使用，自疫情流行开始以来，来自世界各地的医疗专业人员一直在查看肺部X光片。
“ SARS-CoV-2病毒的传播已使COVID-19疾病成为全球流行病。检测它的最常见测试具有较强的侵入性，耗时且资源有限。通过磁共振成像和/或X射线获得的医学图像的使用已经越来越多地用于辅助诊断辅助任务，并且已经成功地测试并识别肺部疾病。但是，通过这些方法进行的诊断必须在专科医生的帮助下进行，这也限制了其在人群中的广泛使用”，塞维利亚大学教授曼努埃尔·耶苏斯·多米格斯说。该专家补充说，另一方面，图像处理工具可以排除阴性案例，从而有助于减轻专业人员的负担。具体而言，深度学习（Deep Learning）之类的先进人工智能技术在识别结构（例如在患病组织中发现的结构）方面非常有效。
同样，这项研究分析了基于VGG-16神经网络的深度学习模型对使用肺部X光片进行肺炎和COVID-19识别的有效性。结果发表在《Applied Sciences》杂志上，证明识别COVID-19的效率高达100％，因而表明它可以用来帮助诊断该疾病。
###
这项研究由塞维利亚大学Cátedra Telefónica“网络智能”项目资助。
Journal
Applied Sciences