Home Proceedings
آشکارسازی کووید۱۹ از روی تصاویر سی‌تی اسکن ریه مبتنی بر ادغام هرم ویژگی و شبکه‌های کانولوشنی عمیق
Oral Presentation , Page 67-72 (6) XML Full Text (1.24 MB)
Authors
دانشگاه صنعتی نوشیروانی بابل
Abstract
گسترش بیماری کووید ۱۹ در سراسر جهان تاثیر گسترده ای بر زندگی و نیز اقتصاد کشور‌ها گذاشته است. تشخیص زود‌هنگام این بیماری می‌تواند در تسریع فرآیند درمان و جلوگیری از مرگ بیمارن نقش بسزایی داشته باشد. یک روش مهم تشخیص سریع و دقیق این بیماری، دسته‌بندی تصاویر رادیوگرافی قفسه سینه بر اساس روش‌های یادگیری عمیق است. هدف این پژوهش، ارائه روشی با دقت و سرعت بالا جهت آشکارسازی تصاویر کووید 19 است. در این پژوهش مدلی مبتنی بر ترکیب دو شبکه {InceptionV3} و {ResNet50V2} برای استخراج سلسله مراتبی ویژگی ارائه شده است. شبکه های هرمی با ایجاد ساختار سلسله مراتبی ویژگی از بالا به پایین و پایین به بالا منجر به تولید ویژگی های معنادارتر و در نتیجه دقت بالاتری می‌شوند. مدل پیشنهادی بر روی پایگاه داده {SARS-COV-2} که از ۲۴۸۲ تصویر سی‌تی اسکن در دو دسته تشکیل شده، ارزیابی شده است. میانگین دقت، صحت، حساسیت و امتیاز {F1} بدست آمده در ارزیابی مدل پیشنهادی به ترتیب برابر ۹۷/۸۹%، ۹۷%، ۹۹% و ۹۸% است.
Keywords
 
Proceeding Title [Persian]
آشکارسازی کووید۱۹ از روی تصاویر سی‌تی اسکن ریه مبتنی بر ادغام هرم ویژگی و شبکه‌های کانولوشنی عمیق
Authors [Persian]
Abstract [Persian]
گسترش بیماری کووید ۱۹ در سراسر جهان تاثیر گسترده ای بر زندگی و نیز اقتصاد کشور‌ها گذاشته است. تشخیص زود‌هنگام این بیماری می‌تواند در تسریع فرآیند درمان و جلوگیری از مرگ بیمارن نقش بسزایی داشته باشد. یک روش مهم تشخیص سریع و دقیق این بیماری، دسته‌بندی تصاویر رادیوگرافی قفسه سینه بر اساس روش‌های یادگیری عمیق است. هدف این پژوهش، ارائه روشی با دقت و سرعت بالا جهت آشکارسازی تصاویر کووید 19 است. در این پژوهش مدلی مبتنی بر ترکیب دو شبکه {InceptionV3} و {ResNet50V2} برای استخراج سلسله مراتبی ویژگی ارائه شده است. شبکه های هرمی با ایجاد ساختار سلسله مراتبی ویژگی از بالا به پایین و پایین به بالا منجر به تولید ویژگی های معنادارتر و در نتیجه دقت بالاتری می‌شوند. مدل پیشنهادی بر روی پایگاه داده {SARS-COV-2} که از ۲۴۸۲ تصویر سی‌تی اسکن در دو دسته تشکیل شده، ارزیابی شده است. میانگین دقت، صحت، حساسیت و امتیاز {F1} بدست آمده در ارزیابی مدل پیشنهادی به ترتیب برابر ۹۷/۸۹%، ۹۷%، ۹۹% و ۹۸% است.
Keywords [Persian]
کووید ۱۹، یادگیری عمیق، شبکه هرمی ویژگی، شبکه‌های عصبی کانولوشن