The ongoing COVID-19 (novel coronavirus disease 2019) pandemic has triggered a global emergency, resulting in significant casualties and a negative effect on socioeconomic and healthcare systems around the world. Hence, automatic and fast screening of COVID-19 infections has become an urgent need of this pandemic. Real-time reverse transcription polymerase chain reaction (RT-PCR), a commonly used primary clinical method, is expensive and time-consuming for skilled health professionals. With the aid of various AI functionalities and advanced technologies, chest CT scans may thus be a viable alternative for quick and automatic screening of COVID-19. At the moment, significant advances in 5G cellular and internet of things (IoT) technology are finding use in various applications in the healthcare sector. This study presents an IoT-enabled deep learning-based stacking model to analyze chest CT scans for effective diagnosis of COVID-19 encounters. At first, patient data will be obtained using IoT devices and sent to a cloud server during the data procurement stage. Then we use different fine-tuned CNN sub-models, which are stacked together using a meta-learner to detect COVID-19 infection from input CT scans. The proposed model is evaluated using an open access dataset containing both COVID-19 infected and non-COVID CT images. Evaluation results show the efficacy of the proposed stacked model containing fine-tuned CNNs and a meta-learner in detecting coronavirus infections using CT scans.

持续的 COVID-19（2019 年新型冠状病毒病）大流行引发了全球紧急情况，造成重大人员伤亡，并对世界各地的社会经济和医疗保健系统产生负面影响。因此，自动快速筛查 COVID-19 感染已成为此次大流行的迫切需要。实时逆转录聚合酶链反应 (RT-PCR) 是一种常用的主要临床方法，对于熟练的卫生专业人员来说既昂贵又耗时。借助各种人工智能功能和先进技术，胸部 CT 扫描可能成为快速和自动筛查 COVID-19 的可行替代方案。目前，5G 蜂窝和物联网 (IoT) 技术的重大进步正在医疗保健领域的各种应用中得到应用。本研究提出了一种基于物联网的深度学习堆叠模型，用于分析胸部 CT 扫描，以有效诊断 COVID-19 遭遇。首先，在数据采购阶段，将使用物联网设备获取患者数据并发送到云服务器。然后我们使用不同的微调 CNN 子模型，这些子模型使用元学习器堆叠在一起，以从输入 CT 扫描中检测 COVID-19 感染。使用包含 COVID-19 感染和非 COVID CT 图像的开放访问数据集评估所提出的模型。评估结果显示了所提出的包含微调 CNN 和元学习器的堆叠模型在使用 CT 扫描检测冠状病毒感染方面的功效。患者数据将使用物联网设备获取，并在数据采购阶段发送到云服务器。然后我们使用不同的微调 CNN 子模型，这些子模型使用元学习器堆叠在一起，以从输入 CT 扫描中检测 COVID-19 感染。使用包含 COVID-19 感染和非 COVID CT 图像的开放访问数据集评估所提出的模型。评估结果显示了所提出的包含微调 CNN 和元学习器的堆叠模型在使用 CT 扫描检测冠状病毒感染方面的功效。患者数据将使用物联网设备获取，并在数据采购阶段发送到云服务器。然后我们使用不同的微调 CNN 子模型，这些子模型使用元学习器堆叠在一起，以从输入 CT 扫描中检测 COVID-19 感染。使用包含 COVID-19 感染和非 COVID CT 图像的开放访问数据集评估所提出的模型。评估结果显示了所提出的包含微调 CNN 和元学习器的堆叠模型在使用 CT 扫描检测冠状病毒感染方面的功效。使用包含 COVID-19 感染和非 COVID CT 图像的开放访问数据集评估所提出的模型。评估结果显示了所提出的包含微调 CNN 和元学习器的堆叠模型在使用 CT 扫描检测冠状病毒感染方面的功效。使用包含 COVID-19 感染和非 COVID CT 图像的开放访问数据集评估所提出的模型。评估结果显示了所提出的包含微调 CNN 和元学习器的堆叠模型在使用 CT 扫描检测冠状病毒感染方面的功效。