تشخیص اتوماتیک بیماری کروناویروس(COVID۱۹) با استفاده از تصاویر x-ray و با بکارگیری شبکه عصبی کانونی عمیق
Publish place: Fifth National Conference on Computer Engineering
Publish Year: 1400
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 498
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
TECCONF05_079
تاریخ نمایه سازی: 11 مهر 1400
Abstract:
بیماری جدید ویروس کرونا (COVID-۱۹)، در سال ۲۰۱۹ در چین آغاز شد و به سرعت در میان افرادی که در کشورهای دیگر زندگی می کنند گسترش یافته است. به دلیل افزایش موارد روزانه ، تعداد محدودی بسته تست COVID-۱۹ در بیمارستانها موجود است. بنابراین، لازم است که یک سیستم تشخیص خودکار به عنوان یک گزینه تشخیص جایگزین و سریع برای جلوگیری از شیوع COVID-۱۹ در بین مردم اجرا شود.در این مطالعه ، دو مدل مبتنی بر شبکه عصبی کانولوشن از قبل آموزش دیده (ResNet۵۰ ،VGG-۱۹) برای تشخیص بیمار مبتلا به ذات الریه ویروس کرونا با استفاده از تصاویر اشعه ایکس قفسه سینه پیشنهاد شده است. ما دو طبقه بندی باینری مختلف بر روی پایگاه داده ای با ۶۵ تصویرx-ray قفسه سینه افراد مبتلا به ویروس کرونا و ۶۵ تصویر x-ray قفسه سینه افراد سالم(COVID-۱۹ ، normal (سالم)) با استفاده از ۵-fold cross validation اجرا کرده ایم. با توجه به نتایج عملکرد به دست آمده ، دیده شده است که مدل از قبل آموزش دیده VGG-۱۹، بالاترین عملکرد در طبقه بندی را ارائه می دهد (دقت ۹۹ درصد در fold-۲ )
Keywords:
Authors
مریم الهوردی
دانشکده مهندسی کامپیوتر، دانشگاه آزاد اسلامی سبزوار سبزوار، خراسان رضوی، ایران