عملكرد الگوريتم هاي يادگيري در تشخيص covid-19

روش‌هاي باليني، مبنايي براي تشخيص بيماران مبتلا به كوويد-19 هستند. اما نتايج برخي از گزارش‌ها مويد آن است كه تعدادي از افرادي كه در ابتدا نتيجه‌ي تست آنها مثبت بوده و به برخي بيماري‌هاي زمينه‌اي نيز مبتلا بوده‌اند، بعد از انجام آزمايشات بيشتر نتيجه‌ي تست ايشان منفي اعلام شده است. در مدل‌هاي محاسباتي تشخيص كوويد-19 غالبا از داده‌هاي مربوط به تصاوير اشعه‌ي ايكس قفسه‌ي سينه‌ي بيماران مبتلا به كوويد-19 استفاده شده، و هيچ گزارشي مبني بر به‌كارگيري علائم رايجي نظير تب، سرفه، خستگي، دردهاي عضلاني، سردرد و غيره وجود ندارد. نتيجه‌ي اين تحقيق مسير مقالات آتي مرتبط با اين زمينه را هموارتر مي‌سازد، تا بدين طريق نوعي از سيستم‌هاي تشخيصي را توسعه دهند كه با اعمال بهترين طبقه‌بندي‌كننده‌ها، فرآيند تشخيص افتراقي و زود هنگام كوويد-19 را با استفاده از علائم معمولي فوق‌الذكر به انجام مي‌رساند. مقاله‌ي حاضر رفتار اين طبقه‌بندي‌كننده‌ها در فرآيند تشخيص كوويد-19آن هم با استفاده از مجموعه داده‌هاي غيرتصويري اين بيماري و براساس علائم معمولي (مانند تب، سردرد، استفراغ، اسهال، و غيره) را مورد بررسي قرار داده است، طي اين تحقيق مشخص شد كه در زمان ارائه‌ي اين گزارش هيچ يك از مطالعات قبلي بر روي اين موضوع تمركز نداشته‌اند. درواقع اكثر مطالعات قبلي جهت تشخيص بيماري كوويد-19 بر روي داده‌هاي مبتني بر تصوير اشعه‌ي ايكس قفسه‌ي سينه‌ي بيماران متمركز بوده‌ و غالبا از طبقه‌بندي كننده‌ي DNN ‌استفاده كرده‌اند.