ارائه یک روش تشخیص بیماری کرونا براساس علائم بیماری با بهره گیری از یک مدل هوش مصنوعی قابل توصیف
Publish place: he First National Conference on Innovative Research in Electrical and Computer Engineering
Publish Year: 1401
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 367
This Paper With 8 Page And PDF Format Ready To Download
- 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:
IRECE01_040
تاریخ نمایه سازی: 9 مهر 1401
Abstract:
از زمان شیوع بیماری ویروس کرونا در سال ۲۰۱۹، که به عنوان بیماری حاد تنفسی شناخته میشود و از طریق قطرات ریز تنفسی بهفرد دیگر منتقل میشود گمان میرود که شروع بیماروی کرونا از حیوانات بوده و به انسانها منتقل شده است. فراگیری و گسترش شدید این بیماری در تمام جهان باعث شد تا بسیاری از گروه های متخصص در سراسر جهان این مشکل را مطالعه کرده و روشهای تشخیص بسیاری را پیشنهاد نمایند. ویروس کووید-۱۹ تا ۲۷ نوامبر ۲۰۲۱ جان ۵ میلیون نفر را گرفته است. این مقاله بر روی تحقیقات تشخیص بیماری کرونا ویروس تمرکز دارد.در این پژوهش، ما یک روش تشخیص بیماری کرونا بر اساس علائم بیماری با بهره گیری از مدلهای هوش مصنوعی شامل LightGBM، ماشین بردار پشتیبان، جنگل تصادفی، CatBoost و XGBoost را ارائه داده و میزان درستی، دقت و... الگوریتمها را در تشخیص بیماری مشخص مینماییم تا در فرایند تشخیص بیماری کمک کننده باشد. به منظور ارزیابی الگوریتم های پیشنهادی از مجموعه داده UsedCombined استفاده میشود که شامل بررسی ۷۳۵ زن و ۷۵۰ مرد است که در بین مدل پیشنهادی در مسئله تشخیص مبتلا به کرونا یا سالم بودن شخص بهترین نتیجه را الگوریتم CatBoost با دقت ۰/۹۵ درصد و حساسیت ۰/۹۸ درصد بدست آورد. با توجه به نتایج امیدوارکننده ای که توسط این روش کسب شده است، میتواند ابزار بسیار مفیدی برای پزشکان بالینی باشد و به آنها در شناسایی موارد ابتلا کمک نماید.
Keywords:
Authors
الهه یدالهی
دانشجوی کارشناسی، پردیس فرزانگان، دانشگاه سمنان، سمنان، ایران
حمید نصیری
دانشجوی دکتری، دانشکده مهندسی کامپیوتر، دانشگاه صنعتی امیرکبیر، تهران، ایران