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

مروری بر تشخیص خودکار کووید۱۹ از تصاویر اشعه ایکس قفسه سینه با شبکه های عصبی کانولوشن

عنوان مقاله: مروری بر تشخیص خودکار کووید۱۹ از تصاویر اشعه ایکس قفسه سینه با شبکه های عصبی کانولوشن
شناسه ملی مقاله: ITCT16_056
منتشر شده در شانزدهمین کنفرانس بین المللی فناوری اطلاعات، کامپیوتر و مخابرات در سال 1401
مشخصات نویسندگان مقاله:

شادی عالی پور امرائی - گروه مهندسی پزشکی، موسسه آموزش عالی علم گستر ایران، لرستان، بروجرد
امین الهیاری - عضو هیات علمی گروه مهندسی برق، موسسه آموزش عالی علم گستر ایران، لرستان، بروجرد

خلاصه مقاله:
یادگیری عمیق در سالهای اخیر چندین برابر بهبود یافته است و نقش مهمی در طبقه بندی تصاویر ایفا میکند که شامل تصویربرداری پزشکی نیز میشود. شبکه های عصبی کانولوشنال (CNN) در تشخیص بسیاری از بیماریها از جمله بیماری عروق کرونر، مالاریا، بیماری آلزایمر، بیماریهای مختلف دندانی و بیماری پارکینسون عملکرد خوبی داشته است. مانند سایر موارد، CNN چشمانداز قابل توجهی در تشخیص بیماران کووید۱۹ با تصاویر اشعه X قفسه سینه و CT دارد. کرونا ویروس، یک بیماری همه گیر و مسری است که با شیوع گسترده آن، اثرات زیادی بر زندگی انسان و اقتصاد جهان گذاشته است. برای رویارویی با این بیماری و اثرات اقتصادیBاجتماعی آن علاوه بر مراقبت و درمان، تشخیص، یک روش بسیار مهم است. در این مقاله، یک مدل CNN برای تشخیص بیماران کووید۱۹ از تصاویر اشعهX قفسه سینه پیشنهاد شده است. نتایج میتواند به گسترش و دسترسی به سایر اشکال تشخیص کووید۱۹ و تسریع روند شناسایی این بیماری کمک کند.

کلمات کلیدی:
یادگیری عمیق، ویروس کرونا، شبکه های عصبی کانولوشن.

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1516410/