CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

تشخیص بیماری کرونا از روی تصاویر اشعه ایکس با استفاده از تنظیم دقیق شبکه عصبی کانولوشنی عمیق و رویکرد یادگیری انتقالی

عنوان مقاله: تشخیص بیماری کرونا از روی تصاویر اشعه ایکس با استفاده از تنظیم دقیق شبکه عصبی کانولوشنی عمیق و رویکرد یادگیری انتقالی
شناسه ملی مقاله: CSCG04_049
منتشر شده در چهارمین کنفرانس بین المللی محاسبات نرم در سال 1400
مشخصات نویسندگان مقاله:

حمید نصیری - دانشجوی دکتری، دانشکده مهندسی کامپیوتر، دانشگاه صنعتی امیرکبیر
محمد باغبان - دانشجوی کارشناسی ارشد، دانشکده علوم مهندسی، دانشگاه تهران؛

خلاصه مقاله:
تشخیص موارد ابتلا به بیماری کووید- ۱۹ ، برای مقابله با همه گیری آن امری بسیار کلیدی است. آزمایش PCR یک روش برای تشخیص این بیماری است اما م یتوان با تصویربرداری از قفسه سینه و مشاهده تغییرات آن نیز بیماری کووید- ۱۹ را تشخیص داد. در این پژوهش یک شبکه عصبی عمیق کانولوشنی بر پایه ResNet۵۰ و یادگیری انتقالی ساخته شد هاست و بخشی از این شبکه با مجموعه داده تصاویر اشعه ایکس قفسه سینه مورد آموزش قرار گرفته است. در این پژوهش ابتدا دسته بندی با سه کلاس "کووید- ۱۹ " و "بدون یافته" و "ذا تالریه" و سپس با دو کلاس "کووید- ۱۹ " و "بدون یافته" انجام شده است و با اعتبارسنجی متقابل ۵ بخشی، میانگین دقت ۸۹/۴۲ درصد برای دسته بندی سه کلاسه و ۹۹/۳۶ درصد برای دسته بندی دو کلاسه به دست آمده است .

کلمات کلیدی:
تصویر اشعه ایکس، شبکه عصبی عمیق، کووید- ۱۹ ، یادگیری انتقالی، یادگیری عمیق، ResNet

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1418558/