دوره 10، شماره 2 - ( 6-1402 )
جلد 10 شماره 2 صفحات 124-111 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
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
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
دکتری مهندسی کامپیوتر، استادیار، گروه مهندسی کامپیوتر، دانشکده فنی مهندسی، دانشگاه ملایر، ملایر، ایران
چکیده: (1114 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.
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.
واژه‌های کلیدی: کووید-19، تصاویر پرتو x، استخراج ویژگی، شبکه‌های یادگیری عمیق، یادگیری ماشین، دسته‌بندی
نوع مطالعه: پژوهشي اصیل |
موضوع مقاله:
هوش مصنوعی در حوزه سلامت
دریافت: 1401/8/30 | پذیرش: 1402/6/19
دریافت: 1401/8/30 | پذیرش: 1402/6/19
فایل صوتی [MP3 3812 KB] (31 دریافت)
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
