کاربرد شبکه های پیچشی تطبیق پذیر در تشخیص بیماری کووید۱۹

بیماری کووید-۱۹ یک بیماری تنفسی است در سال ۲۰۱۹ در شهر ووهان چین شناسایی شد و به سرعت در سراسر جهان گسترش یافت . علائم ا صلی بیماری کووید-۱۹ شامل تب ، سرفه خشک ، خستگی ، تنگی نفس و درد عضلانی می با شد. پردازش ت صویر در شنا سایی بیماری کووید-۱۹ نقش مهمی دارد. با تحلیل تصاویر تصاویر سی تی ا سکن از ریه ها، می توان ویژگی های بیماری را ا ستخراج کرده و بیماران مبتلا به کووید-۱۹ را تشخیص داد. مهم ترین چالش در مواجهه با بیماری کووید ۱۹، ا ستخراج ویژگی های تاثیرگذار از تصاویر سی ا سکن می با شد. در این پژوشه جهت استخراج ویژگی های تاثیرگذار از شبکه های یادگیری عمیق استفاده گردیده است . شبکه ی یادگیری عمیق مورد استفاده در این پژوهش ، شبکه ی عصبی تطبق پذیر می باشد. شبکه ی عصبی تطبیق پذیر جهت شناسایی بیماری کووید ۱۹ از دو تکنیک حافظه و وزنهای از پیش آموزش داده شده استفاده می کند. از حافظه به عنوان محلی برای حفظ اطلاعت گذشته ی آموزش و از وزنهای اولیه به عنوان وزنهای محرک برای افزایش دقت سیستم های شنا سایی بیماری کووید ۱۹ ا ستفاده گردیده ا ست . در این پژوهش جهت ارزیابی روش پیشنهادی از مجموعه داده ی ۲SARS-CoV- بهره گرفته شده است . نتایج روش پیشنهادی براساس معیارهای دقت ، صحت ، فراخوان و معیار F گزارش گردیده است که این نتایج به ترتیب برابر ۵,۹۷ درصد برای دقت ، ۳۰,۹۷ درصد برابر معیار صحت ، ۸۵,۹۷ درصد برای معیار فراخوان و ۵۸,۹۷ درصد برای معیار F بدست آمده است .

کلیدواژه ها:

بیماری کووید ۱۹ ، پردازش تصویر ، سی تی اسکن ، شبکه ی عصبی تطبیق پذیر