کاربرد یادگیری عمیق در مدیریت بیماری کرونا

Publish Year: 1401
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 64

نسخه کامل این Paper ارائه نشده است و در دسترس نمی باشد

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

THPC05_026

تاریخ نمایه سازی: 2 مهر 1402

Abstract:

مقدمه: استفاده از فناوریهای نوین باعث کاهش هزینه ها و افزایش کیفیت درمان میشود. یکی از این فناوری ها یادگیری عمیق استکه میتواند در پیش بینی، تشخیص و درمان بیماری کرونا کمک کننده باشد. با توجه به اهمیت و افزایش استفاده از این فناوری، در اینمطالعه به بررسی کاربرد یادگیری عمیق در تصویر برداری بیماری کووید ۱۹ پرداخته شده است.روش پژوهش: این مطالعه مروری در س ال ۱۴۰۰ انجام شد. در این مطالعه برای یافتن مطالعات مرتبط، از کلیدواژه های یادگیریعمیق، دادهکاوی، کرونا و کووید- ۱۹ اس تفاده گردید. همچنین پایگاه داده های Pubmed و Scopus بدون محدودیت زمانی و درتاریخ ژوئن ۲۰۲۲ مورد ج ستجو قرار گرفتند. همچنین فقط مقالات اورجینال و انگلی سی وارد مطالعه شده و مقالاتی که در همایش هاارائه شده بودند خارج گردیدند. پس از حذف مقالات تکراری و غیرمرتبط، سایر مطالعات تو سط هر سه محقق خوانده و داده های موردنظر وارد جدول محقق ساخته شدند.یافته ها: در این مطالعه ۱۱۸ مقاله یافت ش د که از بین آنها، ۷ مقاله وارد این مطالعه ش دند. در این مطالعات، برای آموزش دادنالگوریتم های یادگیری عمیق از نمونه های عکس قفسه سینه ا ستفاده شده بود که در ۳ مورد از این مطالعات از chest x-ray ، در دومورد از آنها از سی تی اسکن ریه و در یک مورد از عکس های lung ultrasound بدون اشعه استفاده شده بود.مزایای استفاده از یادگیری عمیق در این زمینه تشخیص سریع، ایمن و ارزان کووید ۱۹ ، تشخیص افتراقی بین این بیماری و دیگربیماری های ریوی مشابه و همچنین انجام مداخلات زودهنگام برای بیماران با ری سک بالا، بهینه سازی منابع پز شکی، کنترل پاندمی،بازگرداندن عملکرد سیستم بهداشت و درمان و حمایت از تصمیم بالینی میباشد.نتیجه گیری: بر اساس مطالعات انجام شده، ا ستفاده از یادگیری عمیق میتواند مزایای بسیاری از جمله کاهش خطا، زمان و هزینه وهمچنین افزایش امنیت در تشخیص، کنترل بهتر همه گیری های احتمالی در آینده و حمایت از سیستم بهداشت و درمان را به دنبال داشته باشد.

Authors

فریبا معلم برازجانی

دانشجوی کارشناسی ارشد انفورماتیک پزشکی، گروه مدیریت اطلاعات سلامت، دانشکده پیراپزشکی، دانشگاه علوم پزشکی تهران، تهران، ایران

فاطمه کامجو

کارشناس ارشد فناوری اطلاعات سلامت، گروه فناوری اطلاعات سلامت و مدارک پزشکی، دانشکده پیراپزشکی، دانشگاه علوم پزشکی مشهد، مشهد، ایران

مریم کرمی مظفری

دانشجوی کارشناسی ارشد فناوری اطلاعات سلامت، گروه مدیریت اطلاعات سلامت، دانشکده مدیریت و اطلاع رسانی، دانشگاه علوم پزشکی ایران، تهران، ایران

محمد دهقانی

استادیار مدیریت اطلاعات سلامت، گروه فناوری اطلاعات سلامت، دانشکده علوم پزشکی، خمین، ایران