محمد روستائی - B.Sc. Student in Computer Engineering, Department of Computer Engineering, Faculty of Engineering, Malayer University, Malayer, Iran
داور گیوکی - PhD in Computer Engineering, Assistant Professor, Department of Computer Engineering, Faculty of Engineering, Malayer University, Malayer, Iran

مقدمه: کووید-۱۹ یک ویروس جدید است که باعث عفونت در دستگاه تنفسی فوقانی و ریه ها می شود که تعداد موارد مرگ و میر به طور روزانه در مقیاس یک بیماری همه گیر جهانی افزایش یافته است. تصاویر اشعه ایکس قفسه سینه برای نظارت بر بیماری های مختلف ریه مفید بوده و اخیرا برای نظارت بر بیماری کووید-۱۹ استفاده شده است. روش: در این پژوهش جهت بازشناسی کووید-۱۹ از روی تصاویر x از یک فرآیند چند مرحله ای بهره گرفته شده است که در مرحله نخست عملیات پیش پردازش با هدف نرمال سازی روی داده ها صورت گرفته است. در گام دوم که مهم ترین گام روش پیشنهادی می باشد، عملیات استخراج ویژگی صورت گرفته است. عملیات استخراج ویژگی براساس شبکه های یادگیری عمیق صورت گرفته است. بعد از عملیات استخراج ویژگی از الگوریتم های یادگیری ماشین جهت دسته بندی تصاویر بهره گرفته شده است. الگوریتم های مورد استفاده در این بخش الگوریتم های ماشین بردار پشتیبان، نزدیک ترین همسایه و درخت تصمیم می باشند. نتایج این دسته بندها در گام چهارم براساس رای اکثریت ترکیب گردیده اند. نتایج: پارامترهای به کاررفته در این پژوهش جزء پارامترهای دسته بندی می باشد که شامل: دقت، صحت، فراخوان و معیار F می باشند که به ترتیب مقادیر ۹۶/۵، ۹۲/۲۵، ۹۴ و ۹۳ به دست آمده است. نتیجه گیری: نتایج آزمایش ها نشان دهنده کارایی قابل قبول روش پیشنهادی می باشد زیرا علاوه بر کاهش محاسبات توسط لایه جدا پذیر، از ترکیب دسته بندها و وزن دهی به آن ها برای به دست آوردن نتیجه نهایی استفاده گردیده است.

COVID-۱۹, X-ray Images, Feature Extraction, Deep Learning Networks, Machine Learning, Classification, کووید-۱۹, تصاویر پرتو x, استخراج ویژگی, شبکه های یادگیری عمیق, یادگیری ماشین, دسته بندی