توسعه یک سیستم تصمیم یار بالینی برای تشخیص زودهنگام کووید۱۹ با استفاده از یادگیری عمیق مبتنی بر تصاویر رادیوگرافی قفسه سینه
سال انتشار: 1400
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 434
فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CECCONF14_006
تاریخ نمایه سازی: 5 بهمن 1400
چکیده مقاله:
با همه گیری کووید ۱۹، یافتن راهی برای تشخیص زودهنگام و پیشگیری از پیشرفت بیماری گامی ضروری در کنترل همه گیری این بیماری میباشد. دراین تحقیق با استفاده از یادگیری عمیق و شبکه VGG۱۶ که کارایی بالایی در استخراج خصوصیات تصاویر دارد و با استفاده از جموعه داده های برگرفته از تصاویر اشعه ایکس قفسه سینه مدلی برای تشخیص زودهنگام و دقیق کووید۱۹ ارائه داده می گردد.ساختار پیشنهادی ارایه شده از سه گام تشکیل شده است. گام نخست کار پیش پردازش تصاویر ورودی و افزایش تعداد داده ها برای یادگیری عمیق را انجام می دهد، گام دوم شامل استخراج ویژگی های داده ها و یادگیری است و در گام سوم فرایند طبقه بندی و تشخیص انجام میشود. فرایند یادگیری عمیق و دسته بندی با استفاده از شبکه عصبی VGG انجام شده است. مدل پیشنهادی دقتی حدود ۹۲ درصد در اعتبارسنجی داخلی و ۸۶ درصد در اعتبار سنجی خارجی به دست آورد. نتایج به دست آمده از گام آزمون مدل نشان می دهد که مدل پیشنهادی در تشخیص کووید۱۹ بسیار موثر عمل کرده و میتواند به عنوان یک سیستم تشخیص کووید۱۹ مورد استفاده قرار گیرد.
کلیدواژه ها:
نویسندگان
هادی سعدونی
دانشجوی دکتری مهندسی کامپیوتر نرم افزار، دانشگاه آزاد اسلامی واحد قزوین
مهدی مرسلی
دانشجوی دکتری مهندسی کامپیوتر نرم افزار، دانشگاه آزاد اسلامی واحد قزوین
حسن رشیدی
استاد تمام دانشکده آمار، ریاضی و رایانه- دانشگاه علامه طباطبائی- تهران، ایران
لیلا دامغانی
دانشجوی دکتری مهندسی نرم افزار، دانشگاه آزاد اسلامی واحد قزوین