- Home
- Διεπιστημονικές εφαρμογές επιστήμης ηλεκτρονικών υπολογιστών
Διεπιστημονικές εφαρμογές επιστήμης ηλεκτρονικών υπολογιστών
Δημοσιεύσεις Ελλήνων Ερευνητών
A time series-based statistical approach for outbreak spread forecasting: Application of COVID-19 in Greece
Christos Katris
Christos Katris
Expert Systems with Applications, Volume 166, 15 March 2021, 114077, https://doi.org/10.1016/j.eswa.2020.114077
Available online 2 October 2020
Επιστημονικές Δημοσιεύσεις Ανοικτής Πρόσβασης
A systematic scoping review of digital health technologies during COVID-19: a new normal in primary health care delivery
Ndayishimiye, C.; Lopes, H.; Middleton, J.
Health and Technology (2023), https://doi.org/10.1007/s12553-023-00725-7
Ndayishimiye, C.; Lopes, H.; Middleton, J.
Health and Technology (2023), https://doi.org/10.1007/s12553-023-00725-7
Published: 06 January 2023
Αυτή η ανασκόπηση πεδίου συγκέντρωσε πληροφορίες σχετικά με την εξέλιξη των ψηφιακών τεχνολογιών για την υγεία, ώστε να υποστηρίξει την πρωτοβάθμια φροντίδα υγείας (ΠΦΥ) κατά τη διάρκεια της COVID-19 και να εξαχθούν μαθήματα για το μέλλον της ΠΦΥ. Η βιβλιογραφία δημοσιεύτηκε κατά τη διάρκεια των ετών αιχμής της COVID-19 (2019 - 2021) και ανακτήθηκε από την PubMed, το Scopus και το Google Scholar, καθώς και με απευθείας αναζήτηση στο διαδίκτυο. Χρησιμοποιήθηκαν προκαθορισμένα κριτήρια ένταξης, εφαρμόστηκε θεματική ανάλυση και η υποβολή εκθέσεων ακολούθησε τη μεθοδολογία PRISMA για τις ανασκοπήσεις πεδίου.
A Survey on Applications of Artificial Intelligence in Fighting Against COVID-19
Jianguo Chen, Kenli Li, et al.
Jianguo Chen, Kenli Li, et al.
ACM Computing SurveysVolume 54 Issue 8November 2022 Article No.: 158pp 1–32https://doi.org/10.1145/3465398
Σε αυτήν την έρευνα, διερευνάται το κύριο πεδίο εφαρμογής και η συμβολή της τεχνητής νοημοσύνης στην καταπολέμηση της COVID-19 από την ανίχνευση και τη διάγνωση, την ιολογία την ανάπτυξη φαρμάκων και εμβολίων.
A study to identify the impact of Covid-19 on the trust and risk perceptions of online buying behaviour
Akshaya, G.; Phadtare, Pushkar
Cardiometry ; - (22):191-202, 2022, https://dx.doi.org/10.18137/cardiometry.2022.22.191202
Akshaya, G.; Phadtare, Pushkar
Cardiometry ; - (22):191-202, 2022, https://dx.doi.org/10.18137/cardiometry.2022.22.191202
Published online: 25.05.2022
Από την κλιμάκωση της πανδημίας και με το lockdown σε εφαρμογή, έχει παρατηρηθεί σημαντική αλλαγή στην αγοραστική συμπεριφορά των καταναλωτών στο διαδίκτυο. Αυτή η έρευνα στοχεύει να παράσχει υποδείξεις, από την οπτική γωνία του καταναλωτή, βοηθώντας έτσι τις εταιρίες να αποκτήσουν εικόνα για αυτό το ευάλωτο και εξωπραγματικό περιβάλλον. Αυτή η αλλαγή στη νοοτροπία των καταναλωτών διερευνάται σε σχέση με τις αντιλήψεις κινδύνου και εμπιστοσύνης της διαδικτυακής αγοραστικής συμπεριφοράς.
Ahmed, Ayesha and Prabadevi Boopathy, and Sudhagara Rajan S.
International Journal of E-Health and Medical Communications (IJEHMC) 13, no.2: 1-21. http://doi.org/10.4018/IJEHMC.20220701.oa5
Γίνεται αναφορά στις πολλά υποσχόμενες μεθόδους τεχνητής νοημοσύνης (όπως Machine Learning, Deep learning και Natural Language Processing) που θα μπορούσαν να χρησιμοποιηθούν σε διάφορες εφαρμογές για τη διευκόλυνση των διαδικασιών σε αυτήν την πανδημία.
Artificial intelligence for the detection of COVID-19 pneumonia on chest CT using multinational datasets
Stephanie A. Harmon, Thomas H. Sanford, […]Baris Turkbey
Nature Communications volume 11, Article number: 4080 (2020)
Stephanie A. Harmon, Thomas H. Sanford, […]Baris Turkbey
Nature Communications volume 11, Article number: 4080 (2020)
Published: 14 August 2020
Η αξονική τομογραφία (CT) ως απεικονιστική μέθοδος στο στήθος αποτελεί πολύτιμο διαγνωστικό εργαλείο για την πνευμονική νόσο που σχετίζεται με την COVID-19. Η τεχνητή νοημοσύνη (AI) έχει τη δυνατότητα να βοηθήσει στην ταχεία αξιολόγηση των αξονικών τομογραφιών για τη διαφοροποίηση των ευρημάτων COVID-19 από άλλα κλινικά ευρήματα.
Artificial intelligence enabled COVID-19 detection: techniques, challenges and use cases
Panjeta, Manisha; Reddy, Aryan; Shah, Rushabh; Shah, Jash
Multimed Tools Appl 2023, 1-28, https://doi.org/10.1007/s11042-023-15247-7
Panjeta, Manisha; Reddy, Aryan; Shah, Rushabh; Shah, Jash
Multimed Tools Appl 2023, 1-28, https://doi.org/10.1007/s11042-023-15247-7
Published: 27 May 2023
Η Βαθιά Μάθηση και η Μηχανική Μάθηση γίνονται όλο και πιο δημοφιλείς, καθώς οι αλγόριθμοί τους βελτιώνονται σταδιακά και η χρήση τους αναμένεται να έχει μεγάλο αντίκτυπο στη βελτίωση του συστήματος υγειονομικής περίθαλψης. Επίσης, η πανδημία παρείχε την ευκαιρία να δειχθεί πώς η προσθήκη της τεχνητής νοημοσύνης στις υποδομές υγειονομικής περίθαλψης θα μπορούσε να βοηθήσει, καθώς τα συστήματα σε όλο τον κόσμο είναι υπερφορτωμένα και καταρρέουν. Αυτές οι νέες τεχνολογίες μπορούν να χρησιμοποιηθούν για την καταπολέμηση της COVID-19 επειδή είναι ευέλικτες και δεκτικές σε αλλαγές. Με βάση αυτά τα δεδομένα, εξετάστηκε πώς μπορούν να χρησιμοποιηθούν τα μοντέλα που βασίζονται σε Βαθιά Μάθηση και Μηχανική Μάθηση για την αντιμετώπιση του προβλήματος της πανδημίας COVID-19 και ποια είναι τα πλεονεκτήματα και τα μειονεκτήματα του καθενός.
Q. Pham, D. C. Nguyen, T. Huynh-The, W. Hwang and P. N. Pathirana
IEEE Access, vol. 8, pp. 130820-130839, 2020, doi: 10.1109/ACCESS.2020.3009328
Date of Publication: 15 July 2020
Γίνεται μια επισκόπηση της τεχνητής νοημοσύνης και των μεγάλων δεδομένων, στη συνέχεια εντοπίζονται οι εφαρμογές που στοχεύουν στην καταπολέμηση της COVID-19 και επισημαίνονται προκλήσεις και ζητήματα που σχετίζονται με τις διάφορες υπερσύγχρονες λύσεις.
Applications of predictive modelling early in the COVID-19 epidemic
Chiara Poletto, Samuel V Scarpino, Erik M Volz
The Lancet Digital Health, DOI:https://doi.org/10.1016/S2589-7500(20)30196-5
August 10, 2020
Chiara Poletto, Samuel V Scarpino, Erik M Volz
The Lancet Digital Health, DOI:https://doi.org/10.1016/S2589-7500(20)30196-5
August 10, 2020
Παρόλο που έχει σημειωθεί τεράστια πρόοδος στη μαθηματική επιδημιολογία, οι προγνώσεις σχετικά με τα επιδημικά αποτελέσματα είναι εγγενώς επιρρεπείς σε σφάλματα. Ως εκ τούτου, η προγνωστική μοντελοποίηση είναι πολύτιμη κυρίως σε που σχετίζονται με παραδοχές.
Medeiros, E.P., Machado, M.R., de Freitas, E.D.G., da Silva, D.S., de Souza, R.W.R.
Expert Systems with Applications, Volume 238, Part B, 15 March 2024, 122029, https://doi.org/10.1016/j.eswa.2023.122029
Available online 6 October 2023
Λόγω της ταχείας εξάπλωσης της νέας παραλλαγής του κορονοϊού, είναι δύσκολο να διακριθούν τα συμπτώματα του κοινού κρυολογήματος από εκείνα άλλων αναπνευστικών ασθενειών και λοιμώξεων από κορονοϊό. Οι ακτινογραφίες θώρακος και η αλυσιδωτή αντίδραση πολυμεράσης με αντίστροφη μεταγραφή (RT-PCR) είναι κοινές και αποτελεσματικές μέθοδοι για την πρόληψη της εξάπλωσης μολυσματικών ασθενειών. Τα τελευταία χρόνια, οι αλγόριθμοι Μηχανικής Μάθησης έχουν χρησιμοποιηθεί ευρέως στη διάγνωση μέσω ιατρικών εικόνων, δίνοντας απλούστερα, ακριβέστερα και ταχύτερα αποτελέσματα. Αυτή η μελέτη έχει σκοπό να εφαρμόσει περιγραφείς υφής σε ακτινογραφίες των πνευμόνων ασθενών με COVID-19 και να χρησιμοποιήσει τα εξαγόμενα χαρακτηριστικά σε πλαίσια σχεδιασμένα για την ακριβή αξιολόγηση των ασθενών με COVID-19.