مقاله با عنوان  Systematic Review of Artificial Intelligence Techniques in the Detection and Classification of COVID-19 Medical Images in Terms of Evaluation and Benchmarking Taxonomy Analysis, Challenges, Future Solutions and Methodological Aspects (ترجمه مقاله مرور سیستماتیک تکنیک های هوش مصنوعی در شناسایی و طبقه بندی تصاویر پزشکی covid 19از نظر ارزیابی و معیار گذاری: تجزیه و تحلیل طبقه بندی ، چالش ها ، راه حل های آینده و جنبه های روش شناختی) را از اینجا دانلود کنید.

پشتیبانی: دارد. در صورت هرگونه مشکل با شماره 09367938018 در واتس اپ یا تلگرام و یا جهت سفارش ترجمه مقاله با پشتیبانی به شماره 09191732587 در واتس اپ یا تلگرام تماس حاصل فرمایید.

کیفیت محصول: عالی

قیمت: 15000 تومان

ژورنال: Journal of infection and public health

سال مقاله: 2020

چکیده:

این مقاله، یک مرور یکپارچه از روش های هوش مصنوعی (AI) به کار رفته در تشخیص و طبقه بندی تصاویر پزشکی بیماری ویروس کرونا(COVID-19) از نظر ارزیابی و معیار ارائه می دهد. برای به دست آوردن مطالعات مربوط به موضوع داده شده ، از پنج پایگاه داده معتبر یعنی IEEE Xplore ، Web of Science ، PubMed ، ScienceDirect و Scopus استفاده شد. چندین مرحله فیلتر و اسکن با توجه به معیارهای ورود و خروج برای غربالگری 36 مطالعه به دست آمده انجام شد. با این حال ، تنها 11 مطالعه با این معیارها مطابقت داشتند. طبقه بندی انجام شد و 11 مطالعه بر اساس دو دسته بررسی و تحقیقات طبقه بندی شدند. سپس ، یک تحلیل عمیق و بررسی انتقادی برای برجسته سازی چالش ها و خلا های حیاتی مشخص شده در ادبیات دانشگاهی  انجام شد. نتایج نشان داد که هیچ مطالعه مرتبطی از تکنیک های هوش مصنوعی مورد ارزیابی و ارزیابی شده در وظایف طبقه بندی (به عنوان مثال طبقه بندی های باینری ، چند طبقه ، چند برچسب دار و طبقه بندی سلسله مراتبی) تصاویر پزشکی COVID-19 استفاده نشده است. در صورت ارزیابی و معیارگذاری ، سه چالش در آینده پیش خواهد آمد ، یعنی معیارهای ارزیابی چندگانه در هر کار طبقه بندی ، معامله در میان معیارها و اهمیت این معیارها پیش خواهد امد. با توجه به چالش های آینده بحث شده ، روند ارزیابی و معیارهای AI برای طبقه بندی تصاویر پزشکی COVID-19 مورد استفاده قرار گرفت ، ویژگی های پیچیده را در نظر گرفت. بنابراین ، انتخاب تحلیل تصمیم چند معیاره (MCDA) یک رویکرد اساسی و موثر برای مقابله با پیچیدگی مسئله است. علاوه بر این ، این مطالعه یک روش دقیق برای ارزیابی و معیارگذاری تکنیک های هوش مصنوعی استفاده شده در تمام وظایف طبقه بندی تصاویر پزشکی COVID-19 به عنوان مسیرهای آینده ارائه می دهد. این روش بر اساس سه مرحله متوالی ارائه شده است. در مرحله اول ، روش شناسایی برای ساخت چهار ماتریس تصمیم گیری ، یعنی باینری ، چند طبقه ، چند برچسب و سلسله مراتبی ، بر اساس تقاطع معیارهای ارزیابی هر یک از وظایف طبقه بندی و تکنیک های طبقه بندی AI ارائه شده است. ثانیاً ، توسعه رویکرد MCDA برای محک زدن روشهای طبقه بندی هوش مصنوعی بر اساس فرایند تحلیل سلسله مراتبی و روشهای دیگر ارائه شده است. سرانجام ، روشهای ارزیابی عینی و ذهنی برای تأیید راه حلهای پیشنهادی معیار توصیف می شوند.

Abstract  

This study presents a systematic review of artificial intelligence (AI) techniques used in the detection and classification of coronavirus disease 2019 (COVID-19) medical images in terms of evaluation and benchmarking. Five reliable databases, namely, IEEE Xplore, Web of Science, PubMed, ScienceDirect and Scopus were used to obtain relevant studies of the given topic. Several filtering and scanning stages were performed according to the inclusion/exclusion criteria to screen the 36 studies obtained; however, only 11 studies met the criteria. Taxonomy was performed, and the 11 studies were classified on the basis of two categories, namely, review and research studies. Then, a deep analysis and critical review were performed to highlight the challenges and critical gaps outlined in the academic literature of the given subject. Results showed that no relevant study evaluated and benchmarked AI techniques utilised in classification tasks (i.e. binary, multi-class,multi-labelled and hierarchical classifications) of COVID-19 medical images. In case evaluation and benchmarking will be conducted, three future challenges will be encountered, namely, multiple evaluation criteria within each classification task, trade-off amongst criteria and importance of these criteria. According to the discussed future challenges, the process of evaluation and benchmarking AI techniques used in the classification of COVID-19 medical images considered multi-complex attribute problems. Thus, adopting multicriteria decision analysis (MCDA) is an essential and effective approach to tackle the problem complexity.Moreover, this study proposes a detailed methodology for the evaluation and benchmarking of AI techniques used in all classification tasks of COVID-19 medical images as future directions; such methodology is presented on the basis of three sequential phases. Firstly, the identification procedure for the construction of four decision matrices, namely, binary, multi-class, multi-labelled and hierarchical, is presented on the basis of the intersection of evaluation criteria of each classification task and AI classification techniques. Secondly, the development of the MCDA approach for benchmarking AI classification techniques is provided on the basis of the integrated analytic hierarchy process and VlseKriterijumska Optimizacija I Kompromisno Resenje methods.Lastly, objective and subjective validation procedures are described to validate the proposed benchmarking solutions.