شبکه عصبی کانولوشن کم عمق برای غربالگری شیوع کووید ۱۹ با استفاده از عکسبرداری اشعه xقفسه سینه

در میان داده های تصویربرداری رادیولوژی، عکسبرداری اشعه ایکس قفسه سینه ( (C×R در مشاهده بروز کووید ۱۹ بسیار استفاده میشود. برای غربالگری انبوه، استفاده از C×R ،یک ابزار مبتنی بر هوش مصنوعی محاسباتی کارآمد، برای تشخیص موارد مثبت کووید ۱۹ از موارد غیر کووید ضروری است . به این منظور، یک شبکه عصبی کانولوشن سبک وزن( (CNN با معماری کم عمق متناسب ارائه داده شده است که با استفاده از C×R موارد مثبت کووید ۱۹ را بدون منفی کاذب بطور خودکار تشخیص میدهد. معماری کم عمق CNN در مقایسه با سایر مدلهای یادگیری عمیق با پارامترهای کمتری طراحی شده است .معماری متناسب با CNN کم عمق با استفاده ازC×R های ۳۲۱ مورد مثبت کووید تایید شد. علاوه بر موارد مثبت کووید ۱۹ ،مجموعه دیگری از ۵۸۵۶ مورد غیرکووید ۱۹( در دسترس عموم، منبع : کاگل ) در نظر گرفته شد که شامل موارد ذات الریه عادی، ویروسی و باکتریایی است . در آزمونهای آزمایشی ، برای جلوگیری از جهتگیری احتمالی ، اعتبارسنجی ۵ برابر دنبال شد و از هر دو مجموعه داده متعادل و نامتعادل استفاده شده است . مدل پیشنهادی باالترین دقت ممکن ۹۹.۶۹ ،%را با حساسیت ۱.۰ به دست آورد، جایی که AUC ،۹۹۹۵/۰ بود. بعلاوه ، میزان مثبت کاذب گزارش شده برای ۵۸۵۶ مورد منفی کووید۱۹ فقط ۰۰۱۵/۰ بود. نتایج به دست آمده اظهار داشت که CNN پیشنهادی میتواند برای غربالگریانبوه استفاده شود. با استفاده از مجموعه دقیقا مشابه مجموعه C×R ،نتایج فعلی بهتر از سایر مدلهای یادگیری عمیق و کارهای پیشرفته اصلی بود.

کلیدواژه ها:

کووید۱۹ ، اشعه ایکس قفسه سینه ، یادگیری عمیق ، شبکه عصبی کانولوشن ، غربالگری انبوه