روشی مبتنی بر یادگیری عمیق برای تشخیص کرونا با استفاده از تصاویر سی تی
Publish place: he First National Conference on Innovative Research in Electrical and Computer Engineering
Publish Year: 1401
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 197
This Paper With 6 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_067
تاریخ نمایه سازی: 9 مهر 1401
Abstract:
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:
Authors
خدیجه آقاجانی
گروه مهندسی کامپیوتر، دانشکده فنی مهندسی، دانشگاه مازندران، بابلسر، ایران
ایمان اسماعیلی
گروه مهندسی برق، دانشکده فنی مهندسی، دانشگاه مازندران، بابلسر، ایران