یادگیری عمیق نظارت ضعیف برای تشخیص و طبقه بندی عفونت COVID19 و طبقه بندی تصاویر CT

شیوع بیماری کرونا ویروس جدید (یعنی COVID-19) از اواخر دسامبر ۲۰۱۹ در ووهان چین ثبت شده است که بعداً در سراسر جهان همه گیر شد. گرچه COVID۱۹ یک بیماری کاملاً درمان است، اما می تواند در اثر آسیب های جدی به ریه و نارسایی های تنفسی کشنده باشد. اگرچه آزمایش PCR برای تشخیص بیماری استاندارد است، اما گاهاً ممکن است نتیجهی آزمایش اشتباه باشد. علاوه بر این، تحت شرایط همه گیر شدن، کمبود منابع تست RT - PCR ممکن است باعث تأخیر در تصمیم گیری و درمان بالینی زیر شود. تحت چنین شرایطی، تصویربرداری سی تی اسکن از قفسه سینه به ابزاری با ارزش برای تشخیص و درمان بیماران COVID19 تبدیل شده است. در این مطالعه، یک استراتژی یادگیری عمیق تحت نظارت ضعیف برای تشخیص و طبقه بندی عفونت COVID19 از تصاویر CT پیشنهاد می کنیم. روش پیشنهادی می تواند علاوه بر اینکه قادر به تشخیص دقیق عفونت و تشخیص COVID-19 از موارد غیر COVID-19 است، الزامات برچسب گذاری دستی تصاویر CT را به حداقل برساند.بر اساس نتایج امیدوارکننده به دست آمده ازنظر کیفی و کمی، ما می توانیم گسترش وسیعی از تکنیک توسعه یافته خود را در مطالعات کلینیکی در مقیاس بزرگ پیش بینی کنیم

کلیدواژه ها:

کووید ۱۹ ، یادگیری عمیق 5 ، نظارت ضعیف ، تصاویر CT ، طبقه بندی ، شبکه عصبی کانولوشن