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

سال انتشار: 1403
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 343

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

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 :
  • V . Lazarus et al . , "A global survey ...
  • M . Ahsan, M . A . Based, J . ...
  • A . S . Kwekha-Rashid, H . N . Abduljabbar, ...
  • T . Alafif, A . M . Tehame, S . ...
  • J . L . Izquierdo et al . , "Clinical ...
  • S . EDNYCT, "Chart Review of Patients With COPD, Using ...
  • S . Sbissi, M . Mahfoudh, and S . Gattoufi, ...
  • M . Singh, S . Bansal, S . Ahuja, R ...
  • B . Wang et al . , "AI-assisted CT imaging ...
  • S . Wang et al . , "A deep learning ...
  • F . Shi et al . , "Large-scale screening to ...
  • L . N . Mahdy, K . A . Ezzat, ...
  • P . K . Sethy and S . K . ...
  • J . Zhang, Y . Xie, Y . Li, C ...
  • D . Brinati, A . Campagner, D . Ferrari, M ...
  • A . M . U . D . Khanday, S ...
  • L . Sun et al . , "Combination of four ...
  • L . Yan et al . , "An interpretable mortality ...
  • A . Salama, A . Darwsih, and A . E ...
  • Einstein Data۴u . Diagnosis of COVID-۱۹ and its clinical spectrum ...
  • نمایش کامل مراجع