زمینه و هدف: با افزایش آمار ابتلا و مرگ و میر کووید-۱۹، 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-۱۶، یک سیستم خودکار برای تشخیص موارد ابتلا به کووید-۱۹ طراحی و پیادهسازی شد.
روشها: در این پژوهش، از تصاویر اشعه ایکس قفسه سینه که از پایگاه داده Kaggle اخذ 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-۱۶ در بستر زبان برنامهنویسی پایتون و کتابخانههای Keras و 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، ۹۱ و ۹۳ درصد بود. همچنین میزان بازیابی و امتیاز F۱ برای موارد مبتلا به کووید-۱۹، به ترتیب ۹۴ و ۸۸ درصد بهدست آمد.
نتیجه گیری: به علت دقت و صحت بالای مدل پیشنهاد شده، میتوان از آن در جهت تشخیص کووید- ۱۹ و تفکیک موارد مبتلا به کووید-۱۹ از موارد سالم استفاده کرده و همچنین به عنوان یک ابزار کمکی در جهت کمک به پزشک در تشخیص این بیماری بهره جست.
