تشخیص بیماری کرونا از روی تصاویر اشعه ایکس با استفاده از تنظیم دقیق شبکه عصبی کانولوشنی عمیق و رویکرد یادگیری انتقالی
محل انتشار: چهارمین کنفرانس بین المللی محاسبات نرم
سال انتشار: 1400
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 901
فایل این مقاله در 7 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:
CSCG04_049
تاریخ نمایه سازی: 23 اسفند 1400
چکیده مقاله:
تشخیص موارد ابتلا به بیماری کووید- ۱۹ ، برای مقابله با همه گیری آن امری بسیار کلیدی است. آزمایش PCR یک روش برای تشخیص این بیماری است اما م یتوان با تصویربرداری از قفسه سینه و مشاهده تغییرات آن نیز بیماری کووید- ۱۹ را تشخیص داد. در این پژوهش یک شبکه عصبی عمیق کانولوشنی بر پایه ResNet۵۰ و یادگیری انتقالی ساخته شد هاست و بخشی از این شبکه با مجموعه داده تصاویر اشعه ایکس قفسه سینه مورد آموزش قرار گرفته است. در این پژوهش ابتدا دسته بندی با سه کلاس "کووید- ۱۹ " و "بدون یافته" و "ذا تالریه" و سپس با دو کلاس "کووید- ۱۹ " و "بدون یافته" انجام شده است و با اعتبارسنجی متقابل ۵ بخشی، میانگین دقت ۸۹/۴۲ درصد برای دسته بندی سه کلاسه و ۹۹/۳۶ درصد برای دسته بندی دو کلاسه به دست آمده است .
کلیدواژه ها:
نویسندگان
حمید نصیری
دانشجوی دکتری، دانشکده مهندسی کامپیوتر، دانشگاه صنعتی امیرکبیر
محمد باغبان
دانشجوی کارشناسی ارشد، دانشکده علوم مهندسی، دانشگاه تهران؛