چکیده مقاله
در میان داده های تصویربرداری رادیولوژی، عکسبرداری اشعه ایکس قفسه سینه CXR در مشاهده بروز کووید ۱۹ بسیار استفاده می شود برای غربالگری انبوه، استفاده از CXR ، یک ابزار مبتنی بر هوش مصنوعی محاسباتی کارآمد، برای تشخیص موارد مثبت کووید ۱۹ از موارد غیر کووید ضروری است به این منظور، یک شبکه عصبی کانولوشن سبک وزن CNN با معماری کم عمق متناسب ارائه داده ایم که با استفاده از CXR موارد مثبت کووید ۱۹ را بدون منفی کاذب بطور خودکار تشخیص میدهد معماری کم عمق CNN در مقایسه با سایر مدلهای یادگیری عمیق با پارامترهای کمتری طراحی شده است معماری متناسب با CNN کم عمق با استفاده از CXR های ۳۲۱ مورد مثبت کووید تایید شد علاوه بر موارد مثبت کووید ۱۹ ، مجموعه دیگری از ۵۸۵۶ مورد غیرکووید ۱۹ در دسترس عموم، منبع: کاگل در نظر گرفته شد که شامل موارد ذات الریه عادی، ویروسی و باکتریایی است در آزمونهای آزمایشی ما، برای جلوگیری از جهت گیری احتمالی، اعتبارسنجی ۵ برابر دنبال شد و از هر دو مجموعه داده متعادل و نامتعادل استفاده شد مدل پیشنهادی بالاترین دقت ممکن ۹۹ ۶۹ ٪، را با حساسیت ۱ ۰ به دست آورد، جایی که AUC ، ۹۹۹۵ / ۰ بود بعلاوه، میزان مثبت کاذب گزارش شده برای ۵۸۵۶ مورد منفی کووید ۱۹ فقط ۰۰۱۵ / ۰ بود نتایج ما اظهار داشت که CNN پیشنهادی میتواند برای غربالگری انبوه استفاده شود با استفاده از مجموعه دقیقا مشابه مجموعه CXR ، نتایج فعلی بهتر از سایر مدلهای یادگیری عمیق و کارهای پیشرفته اصلی بود
کلیدواژه‌ها
نویسندگان
ایمان موکری
دانشجو کارشناسی ارشد مهندسی نرم افزار، موسسه آمورش عالی پیشتاران، شیراز، ایران
سپیده اسلامی
دانشجو کارشناسی ارشد مهندسی نرم افزار، موسسه آمورش عالی پیشتاران، شیراز، ایران
ندا احرار
دکترای مدیریت فناوری اطلاعات سیستم های اطلاعاتی ، موسسه آمورش عالی پیشتاران، شیراز، ایران
شیوه ارجاع
موکری، ایمان و اسلامی، سپیده و احرار، ندا،1400،شبکه عصبی کانولوشن کم عمق برای غربالگری شیوع کووید ۱۹ با استفاده از عکسبرداری اشعه x قفسه سینه،ششمین کنفرانس بین المللی تحقیقات بین رشته ای در مهندسی برق، کامپیوتر، مکانیک و مکاترونیک در ایران و جهان اسلام،تهران
ارائه‌شده در
مجموعه مقالات ششمین کنفرانس بین المللی تحقیقات بین رشته ای در مهندسی برق، کامپیوتر، مکانیک و مکاترونیک در ایران و جهان اسلام21 اسفند 1400 · تهران