机构名称：
¥ 1.0
抽象是由肺炎引起的大量发病率和死亡率病例，这仍然是全球健康问题。必须准确，快速检测到肺炎，以有效地管理患者并取得更好的结果。机器学习（ML）算法已成为近年来从医学成像数据中自动检测和诊断肺炎的有效工具。本评论论文的目的是详细概述基于ML的肺炎检测的最新发展。它包括所使用的各种ML算法，培训和测试数据集以及用于评估这些模型有效性的评估指标。此外，本综述强调了该领域遇到的困难，并提出了改进的可能方向，以创建一个更可靠，更健壮的肺炎检测系统。医疗保健专业人员对肺炎检测和基于机器学习（ML）的自动化具有很高的价值，对此过程有很多关注。在本评论论文的简介中强调了肺炎检测的重要性以及ML技术在自动化此过程中发挥作用的部分。在下一节中，它检查了不同的机器学习（ML）用于肺炎识别的各种系统。包括有监督的理解算法，例如逻辑统计，向量机和随机化。森林和卷积神经网络。审查还使用无监督的学习技术（如聚类，降低性降低和自动编码器）讨论了肺炎检测。为了开发它们，对肺炎检测模型的评估至关重要。这项研究检查了几个评估指标，这些指标通常用于该目的，例如敏感性，特异性，精度和接收者的操作状态。特征（ROC）曲线，召回，精度和F1得分。选择合适的指标，该指标考虑了对肺炎检测的特定要求，是要考虑的主要因素。
使用机器学习检测肺炎
主要关键词
相关文件推荐
