چکیده مقاله
تشخیص بیماری همواره به عنوان یکی از مهمترین موضوعات در زمینه تجزیه وتحلیل داده های پزشکی است بیماری COVID ۱۹ باعثافزایش علاقه به استفاده از تکنیک های داده کاوی برای تجزیه وتحلیل داده های این بیماری همه گیر شده است در این پژوهش به دنبال ارائهیک روش سریع مبتنی بر یادگیری عمیق با استفاده از تصاویر سی تی اسکن ریه و بهره گیری از شبکه عصبی کانولوشنی CNN جهتتشخیص بیماران کووید ۱۹ هستیم در این پژوهش از یک مجموعه داده شامل ۱۰۶۴۰ تصویر سی تی اسکن ریه که از پرونده پزشکیمراجعین بیمارستان امام حسین ع نکا استخراج گردیده، دو معماری طراحی شده شبکه عصبی پیچشی و شش مدل معروف شبکه عصبیاز پیش آموزش دیده شده مانند VggNet۱۹ ، MobileNetv۳ ، InceptionNetv۳ و غیره استفاده شده است پس از برچسب گذاری داده هاتوسط متخصص رادیولوژیست، پیش پردازش روی آ نها اعمال گردید در نهایت مدل های توسعه داده شده طبق معیارهای ارزیابی عملکردالگوریتم های یادگیری عمیق مانند دقت، صحت، حساسیت، امتیاز F۱ مورد بررسی قرار گرفت هاند باتوجه به مقادیر معیارهای موردنظر،مقایسه جامعی بین شبکه های مختلف صورت گرفته و مدل VggNet۱۹ با دقت ۰ ۹۷۱ به عنوان مدل برتر انتخاب شده است بی شک نتایجاین تحقیق نشان از این است که بهره گیری از یادگیری ماشین برای تشخیص فرد بیمار مانند نتایج یک آزمایش خون معمولی یا تصاویررادیولوژی می تواند موثر باشد؛ به طور یکه از آن به عنوان یک روش کمکی یا حتی جایگزین استفاده کرد
کلیدواژهها
نویسندگان
الهام عبادی جامخانه
دانشجوی کارشناسی ارشد، گروه مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه خوارزمی۲استادیار،
محمدوحید سبط
استادیار، گروه مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه خوارزمی
ارد احمدی
استادیار، گروه مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه خوارزمی
شیوه ارجاع
�بادی جامخانه، الهام و سبط، محمدوحید و احمدی، ارد،1403،ارائه مدل ارتقای دانش تشخیص COVID-۱۹ مبتنی بر یادگیری ماشین (مطالعه موردی: بیمارستان)،دهمین کنفرانس بین المللی مهندسی صنایع و سیستم ها،مشهد
ارائهشده در
مجموعه مقالات دهمین کنفرانس بین المللی مهندسی صنایع و سیستم ها28 شهریور 1403 · مشهد