کیمیا شیرینی - دانشجوی دکتری مهندسی کامپیوتر- روزانه، دانشگاه تبریز
محمدحسین مدیرروستا - دانشجوی مهندسی برق(گرایش کنترل) دانشگاه صنعتی خواجه نصیر
رضا دهقانی - فارغ التصیل کارشناسی ارشد مهندسی کامپیوتر دانشگاه آزاد اسلامی
محمد احمدی گنجی - فارغ التحصیل کارشناسی ارشد مهندسی کامپیوتر دانشگاه آزاد اسلامی

در سرتاسر جهان، گسترش ویروس کرونا COVID-۱۹ منجر به تغییرات عمیقی در تعامل و سازماندهی اجتماعی شده است. کرونا ویروس به خاطر وجود شاخک های تاجی شکل بر روی سطوحش وجود دارد، با این نام شناخته شده و می تواند سبب بروز کوید ۱۹ شود. این ویروس یک عفونت ویروسی واگیردار است که در ابتدا ریه فرد مبتلا را درگیر می کند. در این مقاله روشی برای تشخیص اسیبه اب ریه با استفاده از کلاسبند مناسب ارایه شده است. همانطور که می دانیم اگر این بیماری در مراحل اولیه تشخیص داده شود تا حد زیادی می توان از مرگ فرد بیمار جلوگیری به عمل اورد. در این مقاله داده های عکس اسکن شده ریه ۱۳۰ بیمار مبتلا به کرونا مورد ارزیابی قرار گرفته است. با استفاده از فرایند پردازش تصویر و الگوریتم های مربوط به آن و با استفاده از الگوریتم های هوشمند شامل: پردازش اولیه جهت حذف نویز و بهبود کیفیت تصاویر ورودی, الگوریتم هیستوگرام تصویر به منظر استخراخ ویژگی های بیماران و در نهایت الگوریتم ماشین بردار پشتیبان برای کلاس بندی مورد استفاده قرار گرفته است. سیستم پیشنهادی با استفاده از ترکیب الگوریتم های بیان شده موفق شده استتا به دقت ۹۳% برسد که دقت بالا و قابل تاملی است.

بیماری کوید ۱۹، ریوی، ماشین بردار پشتیبان، تصاویر اسکن شده