روشهای تشخیص پاندمی کووید- ۱۹ با رویکردهای هوش مصنوعی و یادگیری عمیق

سال انتشار: 1404
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 41

فایل این مقاله در 21 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICPCONF11_092

تاریخ نمایه سازی: 1 آذر 1404

چکیده مقاله:

بیماری واگیردار ناشی از ویروس SARS-COV-۲ به نام کووید ۱۹ به بیش از ۲۰۰ کشور در سراسر جهان سرایت کرده است. برای مدیریت سریع شیوع عفونت کووید ۱۹ در بین مردم همه دولتها در سراسر جهان اقدامات سختی مانند قرنطینه صدها میلیون شهروند در سراسر جهان انجام دادند. با این وجود دشواری تمایز بین افراد مثبت و منفی کووید ۱۹ بسته به علائم مختلف، بیماری، همه این تلاشها محدود است. بر اساس مطالعات مشخص شده است که علائم بیماری کووید ۱۹ در بیماران متفاوت است و در بیماران مختلف نیز متفاوت است. توجه به این نکته مهم است که تشخیص زودهنگام گام بسیار مهمی است که باید هنگام تشخیص بیمار در طول این بیماری همه گیر انجام شود. غیر معمول نیست که بیماران زودتر از زمان تشخیص کووید ۱۹ مرخص می شوند. الگوی این بیماری به این صورت است که برای دوره های زمانی معینی چه در حالت خفته و چه در ابتلای خفیف تشخیص داده نمی شود. رادیولوژی و تصویربرداری برخی از مفیدترین و حیاتی ترین روش های مورد استفاده برای تشخیص مرحله کووید ۱۹ و خطرات روی ریه های بیمار به ویژه با سیتی اسکن قفسه سینه هستند. تشخیص زودهنگام کووید ۱۹ برای به حداقل رساندن انتقال انسان به انسان و مراقبت از بیمار مهم است. اخیرا جداسازی و قرنطینه افراد سالم از افراد مبتلا یا افرادی که مشکوک به ناقل ویروس هستند موثرترین روش برای جلوگیری از انتشار کووید ۱۹ شناخته شده است. تکنیک های یادگیری ماشین نقش مهمی در تشخیص بیماری کووید ۱۹ از خود نشان داده است. در این مقاله روش های هوش مصنوعی بر پایه یادگیری عمیق برای تشخیص بیماری کووید ۱۹ مرور و بررسی شده است و ارزیابی ها نشان می دهد روش های یادگیری عمیق با رویکرد یادگیری انتقالی توانایی قابل توجهی برای تشخیص بیماری و شدت آن دارند.

کلیدواژه ها:

کووید ، ۱۹ ، کرونا ، هوش مصنوعی ، یادگیری عمیق ، یادگیری ماشین ، یازدهمین کنفرانس بین المللی مهندسی برق ، کامپیوترومکانیک

نویسندگان

مهین سیلتان

کارشناسی ارشد مهندسی نرم افزار گروه مهندسی کامپیوتر واحد قزوین دانشگاه آزاد اسلامی

بابک کرسفی

استاد یار گروه هوش مصنوعی و رباتیک گروه مهندسی کامپیوتر واحد قزوین دانشگاه آزاد اسلامی