استفاده از مدل های یادگیری عمیق برای تشخیص covid-۱۹ با استفاده از تصاویر CT-SCAN : مرور سیستماتیک
- سال انتشار: 1400
- محل انتشار: چهارمین همایش فناوری اطلاعات و ارتقاء سلامت با محوریت سلامت هوشمند
- کد COI اختصاصی: THPC04_033
- زبان مقاله: فارسی
- تعداد مشاهده: 222
نویسندگان
دانشجوی کارشناس ارشد فناوری اطلاعات سلامت، دانشگاه علوم پزشکی تبریز، دانشکده مدیریت و اطلاع رسانی پزشکی، تبریز، ایران
کارشناس فناوری اطلاعات سلامت، دانشگاه علوم پزشکی ارومیه، ارومیه، ایران
کارشناس ارشد فناوری اطلاعات سلامت، دانشگاه علوم پزشکی ارومیه، ارومیه، ایران
کارشناس ارشد انفورماتیک پزشکی، دانشگاه علوم پزشکی ایران، دانشکده مدیریت و اطلاع رسانی پزشکی، تهران، ایران
چکیده
مقدمه: از ابزارهای تشخیص به موقع بیماری COVID-۱۹ ، استفاده از تصاویر سی تی اسکن قفسه سینه می باشد.در دسترس نبودن به موقع متخصص برای تفسیر نتایج، سبب تاخیر در تشخیص و در نهایت افزایش همه گیریبیماری می شود. روشی نوین و کاربردی جهت تشخیص بیماری های مختلف با دقت و صحت قابل قبول در نبودمتخصصین مربوطه، مدل های یادگیری عمیق می باشد. این مطالعه ی مروری سیستماتیک با هدف شناساییمدلهای یادگیری عمیق و بررسی صحت و دقت آنها در تشخیص بیماری COVID-۱۹ انجام گرفته است.روش پژوهش: مروری نظام مند بر روی پایگاه داده های Springer, JMIR, PubMed, Google scholar بااستفاده از ترکیب کلیدواژه های یادگیری عمیق، تشخیص، COVID-۱۹ در چهارچوب PRISMA در تیر ماه۱۴۰۰ انجام شد. معیار ورود به مطالعه استفاده از مدل های یادگیری عمیق در تشخیص بیماری COVID-۱۹ بود.مقالاتی که صرفا چکیده ی آنها در دسترس بود از مطالعه حذف شدند. سه محقق به طور مستقل، عنوان، چکیدهو متن کامل مقالات را مورد بررسی قرار دادند و درنهایت، داده های باارزش از مقالات مربوطه استخراج شد.یافته ها: تعداد ۲۵ مقاله معیارهای ورود به مطالعه را داشتند. مطالعاتی را که از، مدل های یادگیری عمیق بر رویعکس های سیتی اسکن برای تشخیص COVID-۱۹ استفاده کردند، بررسی و عملکرد آنها را مقایسه شد.ازبین مدل های یادگیری عمیق ذکر شده مدل های Inception, ResNet_۱۰۱, ResNet_۵۰ و Alexnetبه ترتیب بیشترین فراوانی را در استفاده داشته و دارای ضریب دقت ۸۲ تا ۹۹ درصد بودند.نتیجه گیری: یافته های مطالعه نشان می دهد که مدل های یادگیری عمیق دارای پتانسیل زیادی در شناسایی دقیقو تشخیص به موقع بیماران COVID-۱۹ در نبود متخصصین می باشد. پیاده سازی ابزارهای مبتنی بر مدل هاییادگیری عمیق میتواند خلا عدم دسترسی به رادیولوژیست ها را در تشخیص صحیح و سریع بیماریها تا حدیجبران نماید.کلیدواژه ها
یادگیری عمیق، تشخیص، CT, COVID-۱۹ اسکناطلاعات 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.