توسعه روشی مبتنی بر یادگیری عمیق جهت تشخیص زودهنگام ویروس کرونا با استفاده از تصاویر سی تی اسکن ریه
- سال انتشار: 1400
- محل انتشار: کنفرانس ملی آخرین دستاوردهای مهندسی داده و دانش و محاسبات نرم
- کد COI اختصاصی: CONFSKU01_052
- زبان مقاله: فارسی
- تعداد مشاهده: 1035
نویسندگان
کارشناسی ارشد مدیریت عملیات و فناوری اطلاعات، دانشکده مدیریت عملیات و فناوری اطلاعات ، دانشگاه خوارزمی، تهران
کارشناسی ارشد مهندسی نفت، انستیتو مهندسی نفت، دانشکده فنی، دانشگاه تهران، تهران
استادیار علوم کامپیوتر ، گروه آموزشی مدیریت عملیات و فناوری اطلاعات ، دانشگاه خوارزمی، تهران
چکیده
در دنیای امروز نقش مهندسی در پزشکی روز به روز افزایش پیدا کرده و تشخیص بیماری ها با توسعه دادن تکنولوژی تصویربرداری و پردازش این تصاویر، سریع تر، آسان تر و دقیق تر شده است. عفونت ویروسی کووید-۱۹ که از ووهان چین آغاز و به سراسر جهان گسترش یافته، با وجود آغاز فرآیند واکسیناسیون، این ویروس بیش از۴.۴ میلیون نفر را به کام مرگ کشانده است. به دلیل تقاضای عظیم کیت های واکنش زنجیره ای پلیمراز (PCR) و کمبود شدید آنها، از تکنیک های رادیوگرافی مانند اشعه ایکس و سی تی اسکن می توان برای اهداف تشخیصی استفاده کرد. تشخیص ویروس کرونا در مراحل نخست بیماری می تواند بطور چشمگیری از مرگ ناشی از این بیماری مهلک جلوگیری نماید. از آن جایی که تشخیص این بیماری در مراحل نخست، به سختی انجام می پذیرد، ارائه روشی که تشخیص بیماری کرونا را در مراحل اولیه آسان نماید بسیار مفید و ارزنده است. هدف این پژوهش، ارائه روشی مناسب برای استخراج ویژگی از تصاویر سی تی اسکن قفسه سینه به منظور بالا بردن دقت و سرعت تشخیص ویروس کرونا است. در روش پیشنهادی، ما برای تشخیص دقیق تر و سریع تر بیماری کووید-۱۹ با بهره مندی از تصاویر سی تی اسکن، از یادگیری انتقال با استفاده از شبکه های عصبی عمیق از پیش آموزش دیده شده، کمک گرفته ایم. خروجی نهایی این پژوهش دقتی در حدود ۹۹ درصد را برای شناسایی این ویروس، نشان می دهد.کلیدواژه ها
کووید-۱۹، تصاویر سی تی اسکن، پردازش تصاویر، شبکه های عصبی عمیق، یادگیری انتقالمقالات مرتبط جدید
- سودآوری مشتریان در خردهفروشی قطعات یدکی ماشین آلات راهسازی با رویکرد یادگیری ماشین
- ارائه روشی کارآمد جهت شناسایی کودکان نیازمند به پیوند مغز استخوان با استفاده از ترکیب طبقه بند ماشین بردار پشتیبان و الگوریتم بهینه سازی فاخته
- استخراج بهینه پارامترهای تاثیر گذار الگوریتم بهینه سازی بوفالوی آفریقایی با هدف استخراج ویژگی های مهم به منظور افزایش کارایی طبقه بندی داده ها
- ارائه روشی کارآمد برای بهبود عملکرد الگوریتم بهینه سازی کلاغ سیاه به منظور افزایش صحت خوشه بندی داده ها
- استفاده از الگوریتم باور بیزین در لایه کاملا متصل شبکه عصبی کانولوشن با هدف افزایش دقت تشخیص تصاویر
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.