دوره 10، شماره 2 - ( 6-1402 )                   جلد 10 شماره 2 صفحات 124-111 | برگشت به فهرست نسخه ها


XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Roustaei M, Giveki D. Diagnosis of COVID-19 Disease in X-ray Images Based on Deep Learning Methods and Combining Classifiers. jhbmi 2023; 10 (2) :111-124
URL: http://jhbmi.ir/article-1-733-fa.html
روستائی محمد، گیوکی داور. تشخیص بیماری کووید-19 در تصاویر پرتو X مبتنی بر روش‌های یادگیری عمیق و ترکیب دسته‌بندها. مجله انفورماتیک سلامت و زیست پزشکی. 1402; 10 (2) :111-124

URL: http://jhbmi.ir/article-1-733-fa.html


دکتری مهندسی کامپیوتر، استادیار، گروه مهندسی کامپیوتر، دانشکده فنی مهندسی، دانشگاه ملایر، ملایر، ایران
چکیده:   (937 مشاهده)
مقدمه: کووید-19 یک ویروس جدید است که باعث عفونت در دستگاه‌تنفسی‌فوقانی و ریه‌ها می‌شود که تعداد موارد مرگ و میر به‌طور روزانه در مقیاس یک بیماری همه‌گیر جهانی افزایش یافته ‌است. تصاویر اشعه‌ایکس قفسه‌سینه برای نظارت بر بیماری‌های مختلف ریه مفید بوده و اخیراً برای نظارت بر بیماری کووید-19 استفاده شده ‌است.
روش: در این پژوهش جهت بازشناسی کووید-19 از روی تصاویر x از یک فرآیند چند مرحله‌ای بهره گرفته شده ‌است که در مرحله‌ نخست عملیات پیش‌پردازش با هدف نرمال سازی روی داده‌ها صورت گرفته است. در گام دوم که مهم‌ترین گام روش پیشنهادی می‌باشد، عملیات استخراج‌ ویژگی صورت گرفته است. عملیات استخراج ‌ویژگی براساس شبکه‌های یادگیری‌عمیق صورت گرفته است. بعد از عملیات استخراج ویژگی از الگوریتم‌های یادگیری‌ماشین جهت دسته‌بندی تصاویر بهره گرفته شده‌ است. الگوریتم‌های مورد استفاده در این بخش الگوریتم‌های ماشین بردار پشتیبان، نزدیک‌ترین همسایه و درخت‌ تصمیم می‌باشند. نتایج این دسته‌بندها در گام چهارم براساس رأی ‌اکثریت ترکیب گردیده‌اند.
نتایج: پارامترهای به‌کاررفته در این پژوهش جزء پارامترهای دسته‌بندی می‌باشد که شامل: دقت، صحت، فراخوان و معیار F می‌باشند که به‌ترتیب مقادیر 96/5، 92/25، 94 و 93 به ‌دست ‌آمده است.
نتیجه‌گیری: نتایج آزمایش‌ها نشان‌دهنده‌ کارایی قابل‌قبول روش‌پیشنهادی می‌باشد زیرا علاوه بر کاهش محاسبات توسط لایه‌ جدا پذیر، از ترکیب دسته‌بندها و وزن‌دهی به آن‌ها برای به‌دست آوردن نتیجه‌ نهایی استفاده گردیده ‌است.
متن کامل [PDF 923 kb]   (366 دریافت)    
نوع مطالعه: پژوهشي اصیل | موضوع مقاله: هوش مصنوعی در حوزه سلامت
دریافت: 1401/8/30 | پذیرش: 1402/6/19

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به مجله انفورماتیک سلامت و زیست پزشکی می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2024 CC BY-NC 4.0 | Journal of Health and Biomedical Informatics

Designed & Developed by : Yektaweb