Index Medicus for the Eastern Mediterranean Region (IMEMR) Index Copernicus ResearchBible J-Gate I2OR ROAD CiteFactor Scientific Indexing Services SID Magiran Google Scholar رتبه علمی پژوهشی از کمیسیون نشریات وزارت بهداشت
گروه مهندسی پزشکی، دانشگاه آزاد اسلامی واحد الکترونیکی، تهران، ایران ، javadhosseini1377@yahoo.com
چکیده: (1619 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.
Jafarnia Dabanloo N, Hosseini S M J, Maghooli K. Detection of COVID-19 Using VGG-16 Neural Network and Classification of Chest X-ray Images. J Mar Med 2024; 6 (1) :64-71 URL: http://jmarmed.ir/article-1-429-fa.html
جعفرنیا دابانلو نادر، حسینی سید محمدجواد، معقولی کیوان. تشخیص کووید-19 با استفاده از شبکه عصبی VGG-16 و کلاسهبندی تصاویر اشعه ایکس قفسه سینه. مجله طب دریا. 1403; 6 (1) :64-71
