تشخیص بیماری کووید-۱۹ با استفاده از تصاویر سیتی اسکن ریه مبتنی بر تکنیک های یادگیری عمیق

همه گیری ناشی از کرونا ویروس جدید (کووید-۱۹) بحرانی سراسری را به وجود آورده که تمام کشورهای جهان را درگیر کرده است. این بیماری به دلیل ناشناخته بودن، قدرت شیوع بسیار بالا و عدم قابلیت رهگیری مبتلایان به خطری جدی برای همگان تبدیل شده است که دولتها را مجبور به اعمال انواع سیاست ها و پروتکل های پیشگیرانه در این حوزه نموده است. اولین قدم مشترک در تمام این سیاست ها، تشخیص بیماری است؛ تشخیص دقیق، سریع و کم هزینه امری است که بیشترین اهمیت را در مقابله با کووید-۱۹ دارد. در سال های گذشته استفاده از هوش مصنوعی به عنوان یکی از روش های کمک تشخیصی، کمک شایانی در حوزه های مختلف علوم پزشکی داشته است. در همین راستا یادگیری عمیق در سالهای اخیر بیش ازپیش مورد توجه پژوهشگران بوده و تاکنون معماری های گوناگونی برای آن ارائه شده است .با توجه به این موضوع استفاده از تکنیک های یادگیری عمیق در تشخیص دقیق بیماری کووید-۱۹ میتواند راه گشا باشد. در این مقاله ضمن مقایسه و ارزیابی برخی معماری های یادگیری عمیق نظیرVGG۱۹ ، ResNet۵۰ ،InceptionV۳ در تشخیص کووید-۱۹ با استفاده از تصاویر سیتیاسکن ریه، یک مدل پیشنهادی بر اساس ترکیب دو معماریResNet۵۰ ،InceptionV۳ ارائه شده است. یافته ها حاکی از آن است که مدل پیشنهادی نسبت به سایر روش ها دقت بالاتری دارد .

کلیدواژه ها:

کووید-۱۹ ، تصاویر سیتی اسکن ریه ، طبقه بند ، یادگیری عمیق