توسعه یک سیستم تصمیم یار بالینی برای تشخیص زودهنگام کووید۱۹ با استفاده از یادگیری عمیق مبتنی بر تصاویر رادیوگرافی قفسه سینه

چکیده مقاله

با همه گیری کووید ۱۹، یافتن راهی برای تشخیص زودهنگام و پیشگیری از پیشرفت بیماری گامی ضروری در کنترل همه گیری این بیماری میباشد دراین تحقیق با استفاده از یادگیری عمیق و شبکه VGG۱۶ که کارایی بالایی در استخراج خصوصیات تصاویر دارد و با استفاده از جموعه داده های برگرفته از تصاویر اشعه ایکس قفسه سینه مدلی برای تشخیص زودهنگام و دقیق کووید۱۹ ارائه داده می گردد ساختار پیشنهادی ارایه شده از سه گام تشکیل شده است گام نخست کار پیش پردازش تصاویر ورودی و افزایش تعداد داده ها برای یادگیری عمیق را انجام می دهد، گام دوم شامل استخراج ویژگی های داده ها و یادگیری است و در گام سوم فرایند طبقه بندی و تشخیص انجام میشود فرایند یادگیری عمیق و دسته بندی با استفاده از شبکه عصبی VGG انجام شده است مدل پیشنهادی دقتی حدود ۹۲ درصد در اعتبارسنجی داخلی و ۸۶ درصد در اعتبار سنجی خارجی به دست آورد نتایج به دست آمده از گام آزمون مدل نشان می دهد که مدل پیشنهادی در تشخیص کووید۱۹ بسیار موثر عمل کرده و میتواند به عنوان یک سیستم تشخیص کووید۱۹ مورد استفاده قرار گیرد

کلیدواژه‌ها

نویسندگان

هادی سعدونی

دانشجوی دکتری مهندسی کامپیوتر نرم افزار، دانشگاه آزاد اسلامی واحد قزوین

مهدی مرسلی

دانشجوی دکتری مهندسی کامپیوتر نرم افزار، دانشگاه آزاد اسلامی واحد قزوین

حسن رشیدی

استاد تمام دانشکده آمار، ریاضی و رایانه دانشگاه علامه طباطبائی تهران، ایران

لیلا دامغانی

دانشجوی دکتری مهندسی نرم افزار، دانشگاه آزاد اسلامی واحد قزوین

�عدونی، هادی و مرسلی، مهدی و رشیدی، حسن و دامغانی، لیلا،1400،توسعه یک سیستم تصمیم یار بالینی برای تشخیص زودهنگام کووید۱۹ با استفاده از یادگیری عمیق مبتنی بر تصاویر رادیوگرافی قفسه سینه،چهاردهمین کنفرانس ملی علوم و مهندسی کامپیوتر و فناوری اطلاعات،بابل

ارائه‌شده در

مجموعه مقالات چهاردهمین کنفرانس ملی علوم و مهندسی کامپیوتر و فناوری اطلاعات30 دی 1400 · بابل