روشی مبتنی بر یادگیری عمیق برای تشخیص کرونا با استفاده از تصاویر سی تی

بیماری کرونا که نقطه شروع آن در چین است، تاکنون بیش از ۴۸۰ میلیون مورد را در سراسر جهان تحت تاثیر قرار داده است. با توجه به تعداد محدودکیت های تست و ماهیت وقت گیر تشخیص، سی تی ا سکن و رادیوگرافی قفسه سینه با ا شعه ایکس می توانند به عنوان گزینه های تشخیص سریع جایگزین استفاده شوند. در این مقاله از روشی مبتنی بر شبکه عصبی کانولوشنال عمیق برای تشخیص خودکار بیماران مبتلا با استفاده از تصاویر سیتی ریه ا ستفاده شده ا ست. مدل پیشنهادی بر روی مجموعه داده های CT COVID -۱۹ آموزش و ارزیابی می شود. نتایج شبیه سازی نشان میدهد که مدلپیشنهادی به دقت متوسط ۹۴ درصد در تشخیص بیماران مبتلا به کووید-۱۹ در مجموعه داده مورد استفاده دست یافته است. برای مقایسه از مدل Xception ا ستفاده شده ا ست. پس از آموزش، دقت متو سط به ترتیب ۹۴/۵ و ۸۹/۷ در صد در ارزیابی مبتنی بر بیمار و مبتنی بر تصویر به د ست آمده است.

Keywords:

یادگیری عمیق , کووید-۱۹ , شبکه عصبی کانولوشن.