چکیده مقاله
تحلیل تصاویر پزشکی، به ویژه در شرایطی که داده های برچسب خورده محدود هستند و جمع آوری آنها پرهزینه یا دشوار است، چالش قابل توجهی در توسعه سامانه های تشخیصی خودکار و ابزارهای پشتیبان تصمیم گیری محسوب می شود این پژوهش با هدف ارزیابی و مقایسه کارایی دو رویکرد یادگیری ماشین برای طبقه بندی تصاویر رادیوگرافی قفسه سینه بیماران کووید ۱۹ و غیر کووید طراحی و اجرا شد نتایج نشان داد که مدل SOM با استفاده از استخراج ویژگی های آماری ساده و فرآیند خوشه بندی، به و تعادل مناسب در شاخص های دقت، بازخوانی و امتیاز F۱ دست یافت، در حالی که مدل CNN دقت کلی ۸۰٪ را ثبت کرد این نتایج بیانگر پتانسیل بالای روش های سبک و تفسیرپذیر مانند SOM برای کمک به تشخیص پزشکی در شرایط کمبود داده است و می تواند مبنایی برای توسعه سامانه های پشتیبان تصمیم گیری در محیط های بالینی با منابع محدود باشد
کلیدواژهها
نویسندگان
سیده آیلار سیدی
دانشگاه علم و صنعت
ملینا مشیری
دانشگاه علم و صنعت
شیوه ارجاع
�یدی، سیده آیلار و مشیری، ملینا،1404،بهینه سازی تشخیص کووید-۱۹ از تصاویر رادیوگرافی با استفاده از نقشه های خودسازمانده: یک رویکرد کارآمد در سیستم های سلامت هوشمند،یازدهمین کنفرانس بین المللی مهندسی صنایع و سیستم ها،مشهد
ارائهشده در
مجموعه مقالات یازدهمین کنفرانس بین المللی مهندسی صنایع و سیستم ها2 مهر 1404 · مشهد