کاربرد شبکه های پیچشی تطبیق پذیر در تشخیص بیماری کووید۱۹
Publish place: The 7th National Conference on New Technologies in Electrical, Computer and Mechanical Engineering of Iran
Publish Year: 1403
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 80
This Paper With 16 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:
STCONF07_044
تاریخ نمایه سازی: 20 مرداد 1403
Abstract:
بیماری کووید-۱۹ یک بیماری تنفسی است در سال ۲۰۱۹ در شهر ووهان چین شناسایی شد و به سرعت در سراسر جهان گسترش یافت . علائم ا صلی بیماری کووید-۱۹ شامل تب ، سرفه خشک ، خستگی ، تنگی نفس و درد عضلانی می با شد. پردازش ت صویر در شنا سایی بیماری کووید-۱۹ نقش مهمی دارد. با تحلیل تصاویر تصاویر سی تی ا سکن از ریه ها، می توان ویژگی های بیماری را ا ستخراج کرده و بیماران مبتلا به کووید-۱۹ را تشخیص داد. مهم ترین چالش در مواجهه با بیماری کووید ۱۹، ا ستخراج ویژگی های تاثیرگذار از تصاویر سی ا سکن می با شد. در این پژوشه جهت استخراج ویژگی های تاثیرگذار از شبکه های یادگیری عمیق استفاده گردیده است . شبکه ی یادگیری عمیق مورد استفاده در این پژوهش ، شبکه ی عصبی تطبق پذیر می باشد. شبکه ی عصبی تطبیق پذیر جهت شناسایی بیماری کووید ۱۹ از دو تکنیک حافظه و وزنهای از پیش آموزش داده شده استفاده می کند. از حافظه به عنوان محلی برای حفظ اطلاعت گذشته ی آموزش و از وزنهای اولیه به عنوان وزنهای محرک برای افزایش دقت سیستم های شنا سایی بیماری کووید ۱۹ ا ستفاده گردیده ا ست . در این پژوهش جهت ارزیابی روش پیشنهادی از مجموعه داده ی ۲SARS-CoV- بهره گرفته شده است . نتایج روش پیشنهادی براساس معیارهای دقت ، صحت ، فراخوان و معیار F گزارش گردیده است که این نتایج به ترتیب برابر ۵,۹۷ درصد برای دقت ، ۳۰,۹۷ درصد برابر معیار صحت ، ۸۵,۹۷ درصد برای معیار فراخوان و ۵۸,۹۷ درصد برای معیار F بدست آمده است .
Keywords:
Authors
محمدجواد حسین پور
عضو هیات علمی و استادیار بخش مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد استهبان ، استهبان، ایران
حمیدرضا یزدان مهر
دانشجوی کارشناسی ارشد مهندسی کامپیوتر دانشکده فنی و مهندسی دانشگاه آزاد اسلامی واحد استهبان