تشخیص کووید-۱۹ در تصاویر اشعه ایکس قفسه سینه با استفاده از یادگیری عمیق

ویروس کووید-۱۹ که باعث عفونت در دستگاه تنفسی فوقانی و ریه ها می شود، میلیون ها نفر را به کام مرگ کشانده است. یکی از رایج ترین راه های تشخیص بیماری کرونا، از طریق نمونه های گرفته شده از سواب های بینی و حلق، تحت آزمایشی با عنوان واکنش زنجیره ای پلیمراز ترانس کریپتاز معکوس است که زمان نتایج و هزینه این آزمایش ها بالا است؛ بنابراین ابزارهای تشخیص سریع و قابل دسترس دیگری مورد نیاز است. با الهام از تحقیقات اخیر که وجود کووید-۱۹را با یافته های موجود در تصاویر اشعه ایکس قفسه سینه مرتبط می کند، رویکرد این مقاله از مدل یادگیری عمیق موجود برای پردازش این تصاویر و دسته بندی آن ها به موارد مثبت و منفی کووید-۱۹ استفاده می کند. در این مقاله، از مجموعه تصاویر اشعه ایکس قفسه سینه شامل ۱۲۸۰۲ تصویر مثبت با مشکل کووید-۱۹ و ۴۶۱۰ تصویر منفی که مشکل کووید-۱۹ ندارند، استفاده می شود. پیش پردازش برای یکسان کردن اندازه تصاویر انجام می شود و جهت آموزش و یادگیری از معماری های VGG۱۶ و VGG۱۹ استفاده می شوند. در نتایج تشخیص کووید-۱۹، مقدار صحت برای تصاویر آزمون مدل VGG۱۶ مقدار ۰/۸۲۷۴ و برای تصاویر آزمون مدل VGG۱۹ مقدار ۰/۸۹۹۶ به دست آمده اند که برتری مدل VGG۱۹ را نشان می دهد.

کلیدواژه ها:

کووید-۱۹ ، یادگیری عمیق ، اشعه ایکس قفسه سینه ، VGGNet