ياسر تشخيص بيماري كوويد-19 با تركيب روش‌هاي دستي و يادگيري عميق از روي تصاوير اولتراسوند

Diagnosis of Covid-19 Disease by Combining Hand-crafted and Deep-learning Methods on Ultrasound Data

بيماري كروناويروس 2019 يا كوويد-19، يك بيماري حاد تنفسي با قدرت انتقال ويروس بالا است كه موجب نرخ بالاي مرگ و مير در سراسر جهان شده است. اگرچه تشخيص سريع اين بيماري مي­تواند نقش حياتي در بهبود بيمار داشته باشد، اما انجام آزمايش­هاي راديوگرافي توسط كادر درمان فرآيند زمان­بري است. بنابراين، استفاده از تصاوير اولتراسوند و روش­هاي يادگيري عميق توصيه مي­شود. تكنيك اولتراسوند بدون اشعه است و مي­تواند در بخش­هاي اطفال و مراقبت­ هاي ويژه براي بيماران خاص مورد استفاده قرار گيرد. با اين حال، تصاوير آن داراي نويز است كه عملكرد روش­هاي يادگيري عميق را تحت تأثير قرار مي­دهد. به همين منظور، در اين مقاله، ما روش الگوي باينري محلي يكنواخت را كه در مقابل نويز مقاوم است با روش يادگيري عميق تركيب مي­كنيم. ابتدا الگوي باينري محلي يكنواخت بر روي دو صفحه­ ي زماني محاسبه مي­شود تا ويژگي­ هاي مربوط به تظاهرات كوويد-19 در تصاوير متوالي اولتراسوند استخراج شود و سپس، ماتريس به دست آمده به عنوان ورودي شبكه­ ي كانولوشني داده مي­شود. با توجه به آزمايش ­هاي انجام شده، روش پيشنهادي عملكرد بهتري در مقايسه با ساير روش­هاي پيشرفته دارد. نتايج نشان مي­دهد كه دقت شناسايي كوويد-19 از روي داده ­هاي اولتراسوند با استفاده از روش پيشنهادي 98.5 درصد است.

Coronavirus 2019, or Covid-19, is an acute respiratory disease with high virus transmission capacity that has led to high mortality rates worldwide. Although rapid diagnosis can play an essential role in the patient's recovery, radiography by the treatment staff is a time-consuming process.Therefore, the use of ultrasound data and deep learning techniques are recommended. The ultrasound technique is radiation-free and can be used in pediatric wards and intensive care units for specific patients. However, its data have noise that affects the performance of deep learning methods. To this end, in this paper, we combine the uniform local noise-resistant binary pattern method with the deep learning method. First, a uniform local binary pattern is calculated on two temporal planes to extract the features of the Covid-19 manifestations in consecutive ultrasound data, and then, the resulting matrix is given as the input of the convolutional network. According to the performed experiments, the proposed method has better performance compared to that of the other state-of-art methods. The results show that the diagnosis accuracy of the Covid-19 from the ultrasound data using the proposed method is 98.5%.