بكارگيري روش بهينه سازي تكامل تفاضلي باينري و شبكه‌هاي عصبي عميق براي تشخيص افراد سالم، ذات‌الريه و كوويدي در تصاوير اشعه ايكس

با گسترش دانش و افزايش پيچيدگي مسائل طي دهه هاي اخير، نياز به روش هاي بهينه سازي هرچه بيشتر و بهتر به منظور يافتن بهترين جواب ممكن براي مسائل متعدد بيش از گذشته است. الگوريتم تكامل تفاضلي يكي از الگوريتم هاي فراابتكاري است كه براي بهينه سازي توابع غيرخطي مورد استفاده قرار مي‌گيرد و هم در فضاهاي پيوسته و هم گسسته قابل استفاده است. اين الگوريتم مشابه الگوريتم ژنتيك داراي عملگرهاي جهش و تقاطع مي باشد بطوريكه برخلاف الگوريتم ژنتيك، عملگر جهش در الگوريتم تكامل تفاضلي، عملگر برتر است. همچنين تفاوت اصلي آن در عملگر انتخاب است. در اين مقاله سعي بر اين است تا با استفاده از الگوريتم تكامل تفاضلي باينري، يك نمونه مسئله بهينه سازي كه معادل با انتخاب ويژگي به منظور تشخيص افراد سالم از افراد مبتلا به كوويد و ذات الريه با استفاده از شبكه عصبي يادگيري عميق حل گردد. به منظور بررسي كارايي روش فوق، الگوريتم مربوطه پياده سازي گرديد. نتايج آزمايش هاي انجام گرفته حاكي از كارايي بالاي اين روش در انتخاب ويژگي به ويژه با مدل VGG19 از يادگيري عميق مي باشد.