استفاده از پردازش زبان طبیعی در تشخیص و مشاوره به پزشکان برای بیماری کویید ۱۹

ویروس COVID-۱۹ ناشی از ویروس SARS-CoV-۲ یکی از بزرگترین چالش های بهداشتی در تاریخ معاصر بوده است. در راستای مدیریت این بحران، تشخیص دقیق و به موقع و مشاوره موثر به پزشکان برای درمان بیماران امری ضروری است. پردازش زبان طبیعی به عنوان ابزاری قوی در پردازش داده های متنی، می تواند نقشی حیاتی در تسهیل این فرآیندها ایفا کند. این مقاله به بررسی کاربردهای مختلف NLP در تشخیص، پیش بینی روند بیماری و مشاوره پزشکی برای COVID-۱۹ پرداخته و به بررسی مدل های پیشرفته مانند ترنسفورمرها و تکنیک های مورد استفاده در این حوزه، مانند خودتوجهی و یادگیری عمیق پرداخته است. این مقاله به بررسی کارایی چندین الگوریتم یادگیری ماشین و تنظیم دقیق مدل های مبتنی بر ترنسفورمر پیش آموزش دیده، از جمله نمایش های رمزگذاری دوطرفه (برت) و جی پی تی برای تشخیص بیماری می پردازد. نتایج بیانگر توانایی روش پیشنهادی در مقایسه با سایر روش های بیان شده است. علاوه بر این در این مطالعه پیشنهادی به منظور راهکارهای آتی ارائه شده است.

Keywords:

پردازش زبان طبیعی , کویید ۱۹ , یادگیری عمیق , ترنسفرمرها , الگوریتم برت , ویروس کرونا