4026پ

Presenting A Two-Stage Hybrid Model Including Exploratory Analysis Of Radiological Imaging Data And Diagnosis Of Covid-19 With Convolutional Neural Network

كارشناسي ارشد

Presenting A Two-Stage Hybrid Model Including Exploratory Analysis Of Radiological Imaging Data And Diagnosis Of Covid-19 With Convolutional Neural Network

دانشگاه پيام نور گرجستان - تفليس

1399

108ص.

رضوي ، سيد علي

87-90

92-95

Convolution Neural Network, Exploratory Data Analysis, Radiological Images, Covid 19 Virus

ويروس كوويد 19 اولين بار در ووهان، چين در دسامبر 2019 نمايان شد. پس‌ازآن ويروس در سراسر جهان و در زمان كوتاه انتشار گسترده يافت. در زمان انجام اين تحقيق، تعداد كل موارد تأييدشده مبتلابه كرونا بالاي 96 ميليون مورد با بيش از دو ميليون قرباني است. در حال حاضر، تحقيقات در مورد ويروس كرونا هنوز در مرحله اوليه است. بر اساس شواهد منتشرشده فعلي، محققان به‌طور سيستماتيك با استفاده از اپيدميولوژي، مشخصات باليني و دانش پيرامون در راستاي تشخيص و درمان COVID-19 گام برمي‌دارند؛ اما يكي از بهترين راه‌هاي تشخيص سريع بيماري كرونا استفاده از تصاوير راديولوژي قفسه سينه است چراكه نشانه اصلي بيماري كوويد 19 درگيري ريه و ابتلا به بيماري ذات‌الريه مي‌باشد. در اين تحقيق تلاش كرديم تا با استفاده از يك مدل دومرحله‌اي علاوه بر آناليز تصاوير راديولوژي قفسه سينه و جدا كردن تصاوير مناسب از يك ديتاست بزرگ از اين تصاوير در جهت تشخيص بيماري كوويد 19 در يك شبكه عصبي كانولوشن بهبوديافته با سه لايه مخفي و استفاده از ديتاست CoronaHack -Chest X-Ray-Dataset و انتخاب يك قاب ورودي 224*224 از تصاوير راديولوژي بهره ببريم. نتايج حاصل از اين شبكه عصبي كانولوشن بعد از 100 بار تكرار منجر به‌ دقت 94.1%، تشخيص 76.7% و حساسيت 30.7 % در مدل شد.

1400/4/19

62607