مروری بر روشهای تشخیص کووید-۱۹ با استفاده از تصاویر پزشکی ریوی

زمینه: ویروس COVID-۱۹ به دلیل ماهیت بسیار مسری زندگی میلیاردها انسان را تهدید میکند. این عفونت ویروسی ریه ی افراد آلوده را ملتهب میکند. بنابراین، یکی از روشهای ممکن برای تشخیص ابتلا به این بیماری، تحلیل تصاویر اشعه ی ایکس قفسه ی سینه است. بنابراین زمینه ی این پژوهش مرور بر تحقیقات پردازش تصویر پزشکی (انواع تصاویر ریه) است.اهداف: هدف اصلی این تحقیق ارائه ی یک مرور جامع بر روی مدلهای یادگیری عمیق با هدف تشخیص ابتلا به ویروس کووید-۱۹ از روی تصاویر پزشکی ریه میباشد.روش: تحقیق ارائه شده مروری بر مقالات مرتبط با زمینه و اهداف تحقیق میباشد و در پایان این تحقیق، روشهای برتر به منظور به کارگیری در مراکز علمی و بیمارستانی معرفی شده است.یافته ها: روشهای سنتی یادگیری ماشین در شناسایی موارد ابتلا به ویروس کرونا در مقابل روشهای مبتنی بر یادگیری عمیق توفیق چندانی را در پی نداشته است. زیرا تشابه بسیار زیاد ابتلا به ویروس کرونا با موارد ابتلا به ذات الریه در تصاویر قفسه ی سینه چالش بسیار بزرگی است که حتی برای مدلهای یادگیری عمیق ایجاد نموده است. از این رو استفاده از شبکه های عصبی عمیق به طرز چشمگیری از استقبال بیشتری برخوردار بوده است.نتیجه گیری: مشخص گردید تمرکز اغلب پژوهشگران بر روی بهبود مدلهای یادگیری عمیق به منظور تشخیص موارد ابتلا به ویروس کرونا معطوف بوده است. از پرکاربردترین روشهای یادگیری عمیق در این حوزه شبکهی عصبی کانولوشن بوده است. در این مقاله سعی شده است که با هدف مقایسهی این تحقیقات مروری بر مدلهای پیاده سازی شده در این حوزه انجام شود.

Keywords:

مقاله مروری , کووید-۱۹ , ویروس کرونا , تصاویر ریه , شبکه های عصبی , یادگیری عمیق