Sunita S.Chauhan。;斯威塔·A·达加德。 深入学习分析新冠肺炎电子健康记录。 （英文） Zbl 1475.92082号 阿迪蒂亚·坎帕里亚（Aditya）等人，《管理流行病的计算智能》。柏林：De Gruyter。智力。生物识别。数据分析。5, 293-317 (2021). 摘要：全球大流行性冠状病毒病（COVID-19）是目前医学界发生混乱的原因。全球各地对医疗设施的需求突然激增，促使医务人员以及患者和家属只有很少的时间和信息来做出正确的决定，医院使用计算机视觉、人工智能和机器学习技术来辅助其功能也就不足为奇了。医疗保健不同于所有其他行业。这是一个高度优先的部门，人们希望得到最高水平的服务，不必担心成本。但不可能让医学专家主要解释该国偏远地区的医疗数据。这场前所未有的新型冠状病毒疫情危机让我们认识到，医疗领域的数字化整合是多么重要。由于图像的主观性和复杂性，很难解释检测新冠肺炎患者感染水平所需的胸部X光片。深度学习算法，如卷积神经网络（CNN），用于医学图像分析的自动化。本章研究了用于医学图像分类的深度学习体系结构及其优化。在新冠肺炎疫情中，我们可以使用深度学习算法管理和改进患者护理，尤其是在医学专家无法亲自在场分析图像的隐蔽区域。在本章中，我们讨论了一种这样的技术：图像分类，并将其应用于患者胸部X射线数据集，以识别冠状病毒感染。我们将在胸部X射线的开源数据集上使用我们的第一个使用Keras和张量流制作的CNN来识别新冠肺炎感染，在建立模型后，我们将使用测试数据测试我们的模型，并试图实现高精度。关于整个系列，请参见[Zbl 1472.92003年]. MSC公司： 92 C50 医疗应用（通用） 68T07型 人工神经网络与深度学习 92-04 生物相关问题的软件、源代码等 软件：凯拉斯;TensorFlow公司 PDF格式BibTeX公司 XML格式引用 \textit｛S.S.Chauhan｝和\textit｛S.A.Dargad｝，Intell。生物识别。数据分析。5293-317（2021；Zbl 1475.92082） 全文： 内政部