تشخیص بیماری کووید-۱۹ با ترکیب روش های دستی و یادگیری عمیق از روی تصاویر اولتراسوند
محل انتشار: ماشین بینایی و پردازش تصویر، دوره: 9، شماره: 4
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 159
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:
JR_JMVIP-9-4_003
تاریخ نمایه سازی: 6 تیر 1401
چکیده مقاله:
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:
نویسندگان
,ویدا اسماعیلی
دانشجوی دکتری مخابرات، دانشکده مهندسی برق و کامپیوتر، دانشگاه تبریز
محمود محصل فقهی
دانشکده مهندسی برق و کامپیوتر، دانشگاه تبریز