عنوان مقاله :
شناسايي موارد ابتلا به كوويد-19 با استفاده از شبكه ي عصبي فازي نوع 2 عميق براساس تصاوير X-Ray قفسه سينه
پديد آورندگان :
صباحي ، كامل دانشگاه محقق اردبيلي - دانشكده فناوريهاي نوين - گروه علوم مهندسي , شيخيوند ، سبحان دانشگاه تبريز - دانشكده مهندسي برق و كامپيوتر , موسوي ، زهره دانشگاه تبريز - دانشكده مهندسي مكانيك , رجبيون ، مهدي دانشگاه آزاد اسلامي واحد ممقان - گروه مهندسي پزشكي
كليدواژه :
مجموعههاي فازي نوع 2 , تصاوير X-Ray قفسه سينه , covid-19 , CNN
چكيده فارسي :
امروزه ويروس كروناي جديد به يك اپيدمي بزرگ جهاني تبديل شده است. روزانه درصد بالايي از جمعيت كل جهان به اين ويروس مبتلا ميشوند و درصد چشمگيري در اثر ابتلا جان خود را از دست ميدهند. با توجه به ماهيت واگيرداري شديد اين ويروس، تشخيص، درمان و قرنطينه ي بهموقع امري ضروري تلقي ميشود. در اين مقاله يك روش خودكار براي تشخيص كوويد-19 از تصاوير اشعه ايكس قفسه سينه براساس شبكههاي يادگيري عميق ارائه شده است. براي شبكه ي يادگيري عميق پيشنهادي در اين كار از تركيب شبكههاي كانولوشنال با توابع فعالسازي فازي نوع 2 بهمنظور مواجهه ي بهتر با نويز استفاده شده است. همچنين براي افزايش دادگان، شبكههاي مولد تخاصمي در اين پژوهش به كار گرفته شدهاند. صحت نهايي حاصلشده براي طبقهبندي سناريوي اول (سالم و كوويد-19) و سناريوي دوم (سالم، پنومونيا و كوويد-19) بهترتيب حدود 99 و 95 درصد است. علاوه بر اين، نتايج روش پيشنهادي ازنظر معيارهاي صحت، حساسيت و اختصاصيت در مقايسه با پژوهشهاي اخير اميدواركنندهاند؛ به طوري كه براي طبقهبندي سناريوي اول بهترتيب داراي حساسيت و اختصاصيت 100 و 99 درصد است. روش پيشنهادي با راهيابي به حوزه ي كاربردي ميتواند بهعنوان دستيار پزشك در طول درمان بيماران استفاده شود.
عنوان نشريه :
هوش محاسباتي در مهندسي برق
عنوان نشريه :
هوش محاسباتي در مهندسي برق