کاربرد مکانیزم های توجه در مدل های یادگیری عمیق برای تشخیص و طبقه بندی کووید-۱۹ از تصاویر پزشکی: یک مرور سیستماتیک

هدف از این پژوهش بررسی سیستماتیک کاربرد مکانیزم های توجه در مدل های یادگیری عمیق برای تشخیص و طبقه بندی کووید-۱۹ از تصاویر پزشکی است. این مطالعه با هدف شناسایی پیشرفت ها، چالش ها و فرصت های این رویکرد در بهبود دقت تشخیص بیماری انجام شده است. روش پژوهش بر اساس طرح مرور سیستماتیک طراحی شد و شامل جستجوی جامع در پایگاه های داده علمی معتبر مانند Scopus، PubMed و IEEE Xplore بود. جامعه مطالعه مورد مقالات منتشر شده در بازه زمانی ۲۰۱۹ تا ۲۰۲۵ را در بر گرفت و نمونه ها از طریق روش نمونه گیری هدفمند انتخاب شدند. ابزار اصلی این پژوهش تحلیل محتوا و ارزیابی کیفیت مطالعات با استفاده از معیارهای استاندارد بود. یافته ها نشان داد که مکانیزم های توجه، به ویژه در ترکیب با شبکه های کانولوشنی (CNN)، دقت تشخیص ضایعات مرتبط با کووید-۱۹ در تصاویر رادیوگرافی قفسه سینه و CT scan را به طور قابل توجهی افزایش داده اند. همچنین این مکانیزم ها در کاهش نویز و تمرکز بر نواحی کلیدی تصویر موثر بوده اند. با این حال چالش هایی مانند نیاز به داده های آموزشی بیشتر و پیچیدگی محاسباتی نیز گزارش شد. بحث و نتیجه گیری حاکی از آن است که این رویکرد پتانسیل بالایی در ارتقای سیستم های تشخیصی خودکار دارد، اما نیازمند بهینه سازی بیشتر است. کاربردهای مهم این نتایج شامل توسعه ابزارهای تشخیصی هوشمند برای استفاده در مراکز درمانی، تسریع در غربالگری بیماران و کاهش بار کاری متخصصان رادیولوژی است. این پژوهش می تواند به عنوان پایه ای برای تحقیقات آینده در حوزه هوش مصنوعی و تصویربرداری پزشکی عمل کند.

کلیدواژه ها:

مکانیزم های توجه ، یادگیری عمیق ، کووید-۱۹ ، تصاویر پزشکی ، تشخیص خودکار