Artificial Intelligence and Blockchain Enabled Smart Healthcare System for Monitoring and Detection of COVID-19 in Biomedical Images
Notice bibliographique
Résumé
Millions of individuals around the world have been impacted by the ongoing coronavirus outbreak, known as the COVID-19 pandemic. Blockchain, Artificial Intelligence (AI), and other cutting-edge digital and innovative technologies have all offered promising solutions in such situations. AI provides advanced and innovative techniques for classifying and detecting symptoms caused by the coronavirus. Additionally, Blockchain may be utilized in healthcare in a variety of ways thanks to its highly open, secure standards, which permit a significant drop in healthcare costs and opens up new ways for patients to access medical services. Likewise, these techniques and solutions facilitate medical experts in the early diagnosis of diseases and later in treatments and sustaining pharmaceutical manufacturing. Therefore, in this work, a smart blockchain and AI-enabled system is presented for the healthcare sector that helps to combat the coronavirus pandemic. To further incorporate Blockchain technology, a new deep learning-based architecture is designed to identify the virus in radiological images. As a result, the developed system may offer reliable data-gathering platforms and promising security solutions, guaranteeing the high quality of COVID-19 data analytics. We created a multi-layer sequential deep learning architecture using a benchmark data set. In order to make the suggested deep learning architecture for the analysis of radiological images more understandable and interpretable, we also implemented the Gradient-weighted Class Activation Mapping (Grad-CAM) based colour visualization approach to all of the tests. As a result, the architecture achieves a classification accuracy rate of 0.96, thus producing excellent results.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».