مروری بر روشهای تشخیص و پیشبینی هوشمند بیماری کووید – ۱۹ با استفاده از تکنیکهای یادگیری ماشین و یادگیری عمیق
محل انتشار: فصلنامه عصر برق، دوره: 11، شماره: 19
سال انتشار: 1403
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 168
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_KEEE-11-19_003
تاریخ نمایه سازی: 1 تیر 1404
چکیده مقاله:
بیماری کووید -۱۹ که حاصل از خانواده کرونا ویروس میباشد به یک پاندمی جهانی تبدیل شده است و اثرات نامطلوب فردی و اجتماعی بسیاری را در پی داشته است. این بیماری بر وجوه مختلف فردی مثل سلامتی ایمنی و رفاه افراد و وجوه اجتماعی مثل ضررهای اقتصادی بیکاری منابع ناکافی پزشکی تاثیر گذاشته است. اساسیترین و اصلیترین روش کنترل بیماری کووید - ۱۹ جهت کاهش اثرات نامطلوب حاصل از آن، تشخیص به موقع این بیماری برای کاهش نرخ مرگ و میر و کنترل همهگیری آن است. در زمینه تشخیص بیماری کووید - ۱۹ محققان روشهای مختلفی را بکار بردهاند که اکثریت آنها با استفاده از تصاویر سیتیاسکن و اشعه ایکس قفسه سینه میباشد که معماری کلی بیشتر مدلها مبتنی بر تکنیکهای دادهکاوی اعم از روشهای یادگیری ماشین و یادگیری عمیق هستند. هدف از این مقاله مروری بر روشهای مبتنی بر تکنیکهای یادگیری ماشین و یادگیری عمیق به منظور پیشبینی بیماری کووید - ۱۹ میباشد. نتایج تحقیقات حاکی از آن است که یادگیری عمیق در تشخیص کووید- ۱۹ نسبت به الگوریتمهای سنتی دادهکاوی و روشهای دقیق، راهحل تقریبی را سریعتر پیدا میکند و در مقایسه با الگوریتمهای قطعی معمولا نتایج بهتری را ارائه میدهد.
کلیدواژه ها:
COVID-۱۹ disease ، intelligent diagnosis and prediction ، data mining ، machine learning techniques ، deep learning. ، بیماری کووید - ۱۹ ، تشخیص و پیشبینی هوشمند ، دادهکاوی ، تکنیکهای یادگیری ماشین ، یادگیری عمیق
نویسندگان
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 :