استفاده از یادگیری عمیق در تشخیص بیماری کرونا

روش های تفکیک به کمک رایانه به طور عمده در تفکیک بیماری ها استفاده می شوند. کرونا از جمله بیماری هایی است کهنشانه آن در تصویرهای ریه مشاهده می گردد. بنابراین بهبود دقت یک روش CAD به یکی از حوزه های مهم تحقیقاتی تبدیل شدهاست. در این پروژه با روش شبکه های عصبی مصنوعی عمیق از نوع کانولوشن در جهت تفکیک ابتلا به بیماری کرونا با استفاده ازتصویرهای قفسه سینه پرداخته می شود. برای تحلیل مدل از دیتا بیس ای که از سایت مندلی دانلود شد، استفاده شده است. تعدادتصویرهای مورد استفاده شده ۳۰۰ تصویر، که شامل ۱۵۰ مورد مبتلا به کرونا و ۱۵۰ مورد سالم می باشد.تعدادی از این تصویرهابرای اموزش استفاده شده است. مدل شبکه عصبی مصنوعی کانولوشن می تواند به عنوان یک روش مفید و هوشمند برای تفکیککرونا در تصویرهای گرافی قفسه سینه بدون استخراج ویژگی به کار گرفته شود. با این وجود مطالعه و پروژه های بیشتری برایطراحی مدل های دیگر از شبکه های عصبی مصنوعی بر اساس یادگیری عمیق جهت تفکیک انواع عفونت کرونا در تصویرهای قفسهسینه نیاز است. در نتایج مقدار دقت و تفکیک پذیری با استفاده از مدل شبکه عصبی پیشنهادی برابر ۹۸/۰%، ۹۸/۵% بدست امده است.

کلیدواژه ها:

پردازش تصویر ، کرونا ، تصویرهای قفسه سینه ، تفکیک به کمک رایانه ، شبکه عصبی مصنوعی