مقایسه ای بر معماری لایه های شبکه های عصبی کانولوشنی در تشخیص بیماری کووید-۱۹ با استفاده از تصاویر پزشکی

کووید-۱۹ یک بیماری ویروسی تنفسی است که در صورت گسترش عفونت ناشی از آن سبب درگیری ریه ها و فوت بسیاری از بیماران می شود، تشخیص به موقع نقش بسزایی در درمان فرد و جلوگیری از پخش شدن بیماری را دارد. عکس های ریه نتیجه درستی از وجود ویروس کرونا در ریه ها نشان می دهند و تقریبا هزینه پایین تری نسبت به تست PCRدارند. به علت کم بودن افراد متخصص در تشخیص و طولانی بودن نوبت های پزشکی ، یکی از روشهای ارائه شده استفاده از شبکه های عصبی کانولوشنی در تشخیص خودکار بیماری کووید-۱۹ از طریق عکس های پزشکی می باشد. در این مقاله معماری های مختلف بررسی شدهاست و نتیجه این است که تعداد لایه های شبکه های عصبی تاثیری زیادی در دقت تشخیص ندارند بلکه استفاده درست از هایپرپارامترها، توابع فعالسازی و مجموعه داده استفاده شده نقش موثری در دقت نهایی طبقه بندی عکس های پزشکی ایفا می کنند.

کلیدواژه ها:

کووید-۱۹ ، یادگیری عمیق ، شبکه های عصبی کانولوشنی ، عکس پزشکی قفسه سینه .