ارائه رویکردی برای تشخیص بیماری کرونا با هستی شناسی بیماران و استفاده از یک روش انتخاب ویژگی ترکیبی مبتنی بر الگوریتم بهینه سازی هریس هاکس و الگوریتم بهینه سازی فراابتکاری نهنگ
محل انتشار: مجله علوم رایانشی، دوره: 9، شماره: 3
سال انتشار: 1403
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 343
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_CSJI-9-3_004
تاریخ نمایه سازی: 12 آذر 1403
چکیده مقاله:
در اواخر سال ۲۰۱۹ سازمان بهداشت جهانی بیماری کرونا را به عنوان یک اپیدمی اعلام کرد . این بیماری به سرعت در سطح جهان گسترش پیدا کرد و بعد از مدت کوتاهی کشورهای زیادی را درگیر کرد . یکی از روش های تشخیص بیماری کرونا استفاده از تصاویر سی تی اسکن ریه و روش های پردازش تصویر می باشد که نسبت به روش های آزمایشگاهی ارزان تر و در دسترس تر می باشد . یکی از چالش های روش های مبتنی بر تصویر این است که در اکثر مواقع بیماری کرونا لزوما ریه ها را درگیر نمی کند و در تصاویر سی تی اسکن این بیماری نیز پنهان است . چالش دیگر این روش ها عدم توجه به ویژگی های ویروس کرونا و سایر علائم بالینی و سایر ویژگی های مربوط به این ویروس و واکنش بدن فرد به آن است . استفاده از اطلاعات پرونده بیماران یا اطلاعات منتشر شده در شبکه های اجتماعی می تواند در حل این مشکل موثر باشد . این مقاله یک روش ترکیبی مبتنی بر شبکه عصبی و هستی شناسی مربوط به بیماران ارائه می کند که با توجه به اطلاعات فر دی و بالینی طبقه بندی بیماران را انجام می دهد . روش پیشنهادی دارای دو مرحله است: مرحله انتخاب ویژگی و مرحله طبقه بندی . انتخاب ویژگی بر اساس هستی شناسی اطلاعات مربوط به بیماران و مراجعه کنندگان به مراکز درمانی و با استفاده از الگوریتم بهینه سازی فراابتکاری نهنگ[۱] و الگوریتم بهینه سازی هریس هاکس[۲] انجام می شود . برای طبقه بندی بیماران نیز از شبکه عصبی چندلایه استفاده می شود . نتایج ارزیابی روش پیشنهادی با یک مجموعه داده واقعی نشان داد که صحت، حساسیت و دقت روش پیشنهادی در تشخیص بیماران کووید ۹۵درصد، ۲۷/۹۴ درصد و ۷۶/۹۴ درصد می باشد . همچنین مقایسه روش پیشنهادی با سایر روش های یادگیری ماشین مانند شبکه عصبی هم آمیختی[۳]، شبکه عصبی هم آمیختی- حافظه کوتاه مدت طولانی[۴] و ماشین بردار پشتیبان[۵] در تشخیص بیماران کرونا از افراد سالم حاکی از دقت بالاتر می باشد . Whale Optimization Algorithm (WOA)Harris Hawk Optimization (HHO)Convolutional neural network (CNN)Long short-term memory (LSTM)Support vector machines (SVM)
کلیدواژه ها:
کرونا ، هستی شناسی بیماران ، انتخاب ویژگی ، الگوریتم بهینه سازی فراابتکاری نهنگ ، الگوریتم بهینه سازی هریس هاکس
نویسندگان
سید محمد جوادی مقدم
دانشکده مهندسی- دانشگاه بزرگمهرقائنات- قاین- ایران
احمد کشمیری
دانشکده مهندسی- دانشگاه آزاد اسلامی- واحد فردوس- ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :