گروه مهندسی پزشکی، دانشگاه آزاد اسلامی واحد الکترونیکی، تهران، ایران ، javadhosseini1377@yahoo.com
چکیده: (3507 مشاهده)
زمینه و هدف: با افزایش آمار ابتلا و مرگ و میر کووید-19، این نیاز احساس میشود که با استفاده از ابزارهای هوش مصنوعی و یادگیری ماشینی، در جهت تشخیص سریع و به موقع ویروس کرونا اقدام نمود. در این مطالعه با استفاده از تصاویر اشعه ایکس قفسه سینه و شبکه عصبی عمیق VGG-16، یک سیستم خودکار برای تشخیص موارد ابتلا به کووید-19 طراحی و پیادهسازی شد. روشها: در این پژوهش، از تصاویر اشعه ایکس قفسه سینه که از پایگاه داده Kaggleاخذ شده است، استفاده گردید. طراحی این مطالعه به ترتیب شامل این موارد بود: نمونه گیری دادهها، تقسیم بندی آموزشها، ساخت دایرکتوریها، انتقال تصاویر به پوشههای مخصوص به خود، کلاسهبندی تصاویر، ساخت مدل پیشنهادی VGG-16در بستر زبان برنامهنویسی پایتون و کتابخانههای Kerasو Tensorflow، ارزیابی مدل پیشنهادی و در نهایت ساخت ماتریس درهمریختگی و تحلیل و تفسیر آنها. یافتهها: میزان صحت و دقت مدل پیشنهادی برای کلاس کووید مثبت به ترتیب، 91 و 93 درصد بود. همچنین میزان بازیابی و امتیاز F1برای موارد مبتلا به کووید-19، به ترتیب 94 و 88 درصد بهدست آمد. نتیجه گیری: به علت دقت و صحت بالای مدل پیشنهاد شده، میتوان از آن در جهت تشخیص کووید- 19 و تفکیک موارد مبتلا به کووید-19 از موارد سالم استفاده کرده و همچنین به عنوان یک ابزار کمکی در جهت کمک به پزشک در تشخیص این بیماری بهره جست.
