تشخیص بیماری کووید-۱۹ با ترکیب روش های دستی و یادگیری عمیق از روی تصاویر اولتراسوند

بیماری کروناویروس ۲۰۱۹ یا کووید-۱۹، یک بیماری حاد تنفسی با قدرت انتقال ویروس بالا است که موجب نرخ بالای مرگ و میر در سراسر جهان شده است. اگرچه تشخیص سریع این بیماری می­تواند نقش حیاتی در بهبود بیمار داشته باشد، اما انجام آزمایش­های رادیوگرافی توسط کادر درمان فرآیند زمان­بری است. بنابراین، استفاده از تصاویر اولتراسوند و روش­های یادگیری عمیق توصیه می­شود. تکنیک اولتراسوند بدون اشعه است و می­تواند در بخش­های اطفال و مراقبت­ های ویژه برای بیماران خاص مورد استفاده قرار گیرد. با این حال، تصاویر آن دارای نویز است که عملکرد روش­های یادگیری عمیق را تحت تاثیر قرار می­دهد. به همین منظور، در این مقاله، ما روش الگوی باینری محلی یکنواخت را که در مقابل نویز مقاوم است با روش یادگیری عمیق ترکیب می­کنیم. ابتدا الگوی باینری محلی یکنواخت بر روی دو صفحه­ ی زمانی محاسبه می­شود تا ویژگی­ های مربوط به تظاهرات کووید-۱۹ در تصاویر متوالی اولتراسوند استخراج شود و سپس، ماتریس به دست آمده به عنوان ورودی شبکه­ ی کانولوشنی داده می­شود. با توجه به آزمایش ­های انجام شده، روش پیشنهادی عملکرد بهتری در مقایسه با سایر روش­های پیشرفته دارد. نتایج نشان می­دهد که دقت شناسایی کووید-۱۹ از روی داده ­های اولتراسوند با استفاده از روش پیشنهادی ۹۸.۵ درصد است.

کلیدواژه ها:

تشخیص کووید-۱۹ ، تصاویر اولتراسوند ، یادگیری عمیق