دوره 4، شماره ۱۱، ۱۴۰۳، صفحات 23 - 33

نویسندگان : نازه آسادوریان ¹ ، شکوفه یراقی* ² ، حمیدرضا شیرزادفر ³ ، آرائیک طهماسیان ⁴ ، ابراهیم نصر اصفهانی ⁵ ، هاجر دانش ⁶

چکیده :
بیماری کووید-19 که باعث سندرم حاد تنفسی می شود، یک بیماری مسری و کشنده است که اثرات مخربی بر جامعه و زندگی انسان دارد و به طور قابل توجهی بر اقتصاد جهان تأثیر گذاشته است. حیاتی ترین گام در مبارزه با بیماری کووید-19 تشخیص سریع بیماران مبتلا است. تصاویر سی تی قفسه سینه و کیت‌های تشخیصی RT-PCR اغلب برای تشخیص بیماری استفاده می شوند. هر دو روش ذکر شده با برخی از مشکلات روبرو هستند، به این ترتیب در پژوهش‌‌های اخیر از مدل‌های یادگیری عمیق برای تشخیص بیماری کووید-19 استفاده شده است. مدل‌های یادگیری عمیق مدل‌هایی سریع و دقیق هستند که برای تشخیص این بیماری در نظر گرفته شده‌اند. روش پیشنهادی در این مقاله، استفاده از شبکه عصبی کانولوشن از پیش آموزش دیده برای تشخیص بیماری کووید-19 بر روی دیتاست سی تی اسکن SARS-COV-2 است. این دیتاست شامل1252 سی تی اسکن مثبت برای عفونت کووید-19 و 1230 سی تی اسکن برای بیماران غیر آلوده به عفونت کووید-19 می‌باشد. شبکه عصبی کانولوشن از پیش آموزش دیده InceptionResNetV2 در مقایسه با سایر شبکه های از پیش آموزش دیده به نتایج بهتری، از جمله صحت 97.59%، دقت 98.78%، بازیابی 96.41% و میانگین F1 %97.58 دست یافته است.

کلمات کلیدی :
یادگیری انتقالی، بیماری کووید-19، تصاویر سی تی قفسه سینه، شبکه عصبی کانولوشن، یادگیری عمیق