یادگیری عمیق در پردازش تصاویر سیتیاسکن ریه بیماران مبتلا به کرونا
|
علی کارساز، رقیه اکبریان، علی خرمی |
|
|
چکیده: (735 مشاهده) |
بیماری کرونا، از ژانویه 2020 در بازار عمده فروشان ماهی در شهر وهان چین شروع و سازمان بهداشت جهانی آن را بهعنوان یک بیماری عمومی و یک مخاطره بینالمللی معرفی و در فوریه 2020 آن را کرونا یا کووید-19 نامگذاری نمود. با گسترش روزافزون بیماری کرونا در سراسر دنیا، استفاده از تکنیکها و الگوریتمهای هوش مصنوعی بهخصوص شبکههای عصبی کانولوشن مبتنی بر یادگیری عمیق جهت غربالگری تصاویر سیتیاسکن قفسه سینه بیماران مبتلا به کووید-19 ضرورت بیش از پیش یافته و سهم عمدهای از مقالات چاپ شده در این حوزه را به خود اختصاص دادهاند. در حال حاضر دقتهای تشخیص و غربالگری گزارش شده در مقالات علمی مبتنی بر روشهای هوش مصنوعی و یادگیری عمیق از روی تصاویر سیتیاسکن قفسه سینه بیماران، به بیش از 95 درصد رسیده است. یکی از معضلات موجود در زمینه روشهای مبتنی بر هوش مصنوعی، به مساله آموزش شبکههای عصبی کانولوشن و نیازمندی آنها به تعداد بالایی از دادههای آموزش باز میگردد. تلفیق چندین معماری مختلف از شبکههای عصبی کانولوشن، منجر به افزایش دقت در این نوع از شبکهها به بیش از 99 درصد گردیده است. |
|
واژههای کلیدی: کووید-19، شبکههای عصبی کانولوشن، یادگیری عمیق، تصاویر سیتیاسکن قفسه سینه (CXR). |
|
متن کامل [PDF 2179 kb]
(1587 دریافت)
|
نوع مطالعه: علمی- ترویجی |
موضوع مقاله:
تخصصي دریافت: 1401/5/7 | پذیرش: 1400/12/28 | انتشار: 1400/12/28
|
|
|
|