| استخراج اطلاعات بالینی جهت تشخیص کرونا با استفاده از شبکه عصبی کانولوشن دو بعدی |
| کد مقاله : 1120-NAEC |
| نویسندگان |
|
امیر توفیقی، امید مهدی یار *، مهدی تقی زاده دانشگاه آزاد اسلامی واحد کازرون |
| چکیده مقاله |
| همانطور که می‌دانید ویروس کرونا در دو سال اخیر از کشنده‌ترین ویروس‌های واگیردار بودبیماری کروناویروس ۲۰۱۹ (کووید ۱۹) که به‌شکل عمومی به آن کرونا، ویروس چینی نیز می‌گویند، بیماری‌ای عفونی است، که بر اثر کروناویروس سندرم حاد تنفسی ایجاد می‌شود.. علایم معمول آن تب، سرفه، تنگی نفس، و نابویایی هستند. درد عضلانی، تولید خلط، گلودرد، ناچشایی و سرخی چشم از جمله نشانه‌های کمتر معمول آن هستند. این که اکثریت موارد این بیماری باعث علایم خفیف می‌شود،بعضی از موارد به سینه‌پهلو و نارسایی چند اندامی پیشرفت می‌کند نرخ مرگ و میر بین ۱٪ و ۵٪ تخمین زده می‌شود، ولی بر حسب سن و دیگر شرایط سلامتی تغییر می‌کند. یکی از راه های تشخیص بیماری کرونا گرفتن تصاویر سی تی اسکن از ریه می باشد. در این پژوهش پس گرفتن تصاویر سی تی اسکن از ریه و اعمال فیلترهای مختلف جهت حذف نویزهای احتمالی تصاویر به عنوان ورودی به شبکه عصبی کانولوشن داده می شود و سپس شبکه عصبی کانولوشن بر مبنای یادگیری عمیق از تصاویر ویژگی استخراج کرده و سپس فرآیند تشخیص بیماری در لایه فولی کانکتد انجام شود در نتیجه روش فوق با صحت 55/99 و دقت60/99 بیماری کرونا را تشخیص می دهد. |
| کلیدواژه ها |
| کرونا ویروس ، سی تی اسکن ریه، شبکه عصبی کانولوشن دو بعدی |
| وضعیت: پذیرفته شده |
