تشخیص کووید-۱۹ با استفاده از شبکه عصبی VGG-۱۶ و کلاسه بندی تصاویر اشعه ایکس قفسه سینه

زمینه و هدف: با افزایش آمار ابتلا و مرگ ­و میر کووید-۱۹، این نیاز احساس می­شود که با استفاده از ابزارهای هوش مصنوعی و یادگیری ماشینی، در جهت تشخیص سریع و به موقع ویروس کرونا اقدام نمود. در این مطالعه با استفاده از تصاویر اشعه ایکس قفسه سینه و شبکه عصبی عمیق VGG-۱۶، یک سیستم خودکار برای تشخیص موارد ابتلا به کووید-۱۹ طراحی و پیاده­سازی شد. روش­ها: در این پژوهش، از تصاویر اشعه ایکس قفسه سینه که از پایگاه داده Kaggle اخذ شده است، استفاده گردید. طراحی این مطالعه به ترتیب شامل این موارد بود: نمونه گیری داده­ها، تقسیم­ بندی آموزش­ها، ساخت دایرکتوری­ها، انتقال تصاویر به پوشه­های مخصوص به خود، کلاسه­بندی تصاویر، ساخت مدل پیشنهادی VGG-۱۶ در بستر زبان برنامه­نویسی پایتون و کتابخانه­های Keras و Tensorflow، ارزیابی مدل پیشنهادی و در نهایت ساخت ماتریس درهم­ریختگی و تحلیل و تفسیر آنها. یافته ها: میزان صحت و دقت مدل پیشنهادی برای کلاس کووید مثبت به ترتیب، ۹۱ و ۹۳ درصد بود. همچنین میزان بازیابی و  امتیاز F۱ برای موارد مبتلا به کووید-۱۹، به ترتیب ۹۴ و ۸۸ درصد به­دست آمد. نتیجه­ گیری: به علت دقت و صحت بالای مدل پیشنهاد شده، می­توان از آن در جهت تشخیص کووید- ۱۹ و تفکیک موارد مبتلا به کووید-۱۹ از موارد سالم استفاده کرده و همچنین به عنوان یک ابزار کمکی در جهت کمک به پزشک در تشخیص این بیماری بهره جست.

کلیدواژه ها:

COVID-۱۹ ، corona virus ، detecting of COVID-۱۹ ، X-ray images ، chest ، deep learning ، کووید-۱۹ ، ویروس کرونا ، تشخیص کووید-۱۹ ، تصاویر اشعه ایکس ، قفسه سینه ، یادگیری عمیق