<?xml version="1.0" encoding="utf-8"?>
<journal>
<title>Scientific Journal ASR-E-BARQ</title>
<title_fa>فصل نامه علمی عصر برق</title_fa>
<short_title>عصر برق</short_title>
<subject>Engineering &amp; Technology</subject>
<web_url>http://kiaeee.ir</web_url>
<journal_hbi_system_id>1</journal_hbi_system_id>
<journal_hbi_system_user>admin</journal_hbi_system_user>
<journal_id_issn>2588-3828</journal_id_issn>
<journal_id_issn_online>2588-3828</journal_id_issn_online>
<journal_id_pii></journal_id_pii>
<journal_id_doi></journal_id_doi>
<journal_id_iranmedex></journal_id_iranmedex>
<journal_id_magiran></journal_id_magiran>
<journal_id_sid></journal_id_sid>
<journal_id_nlai></journal_id_nlai>
<journal_id_science></journal_id_science>
<language>fa</language>
<pubdate>
	<type>jalali</type>
	<year>1400</year>
	<month>12</month>
	<day>1</day>
</pubdate>
<pubdate>
	<type>gregorian</type>
	<year>2022</year>
	<month>3</month>
	<day>1</day>
</pubdate>
<volume>8</volume>
<number>16</number>
<publish_type>online</publish_type>
<publish_edition>1</publish_edition>
<article_type>fulltext</article_type>
<articleset>
	<article>


	<language>fa</language>
	<article_id_doi></article_id_doi>
	<title_fa>یادگیری عمیق در پردازش تصاویر سی‌تی‌اسکن ریه بیماران مبتلا به کرونا</title_fa>
	<title>Deep learning in chest CT-scan images processing of covid-19 patients</title>
	<subject_fa>تخصصي</subject_fa>
	<subject>Special</subject>
	<content_type_fa>علمی- ترویجی</content_type_fa>
	<content_type>Scientific-extension</content_type>
	<abstract_fa>بیماری کرونا، از ژانویه 2020 در بازار عمده فروشان ماهی در شهر وهان چین شروع و سازمان بهداشت جهانی آن را به&#8204;عنوان یک بیماری عمومی و یک مخاطره بین&#8204;المللی معرفی و در فوریه 2020 آن را کرونا یا کووید-19 نامگذاری نمود. با گسترش روزافزون بیماری کرونا در سراسر دنیا، استفاده از تکنیک&#8204;ها و الگوریتم&#8204;های هوش مصنوعی به&#8204;خصوص شبکه&#8204;های عصبی کانولوشن مبتنی بر یادگیری عمیق جهت غربالگری تصاویر سی&#8204;تی&#8204;اسکن قفسه سینه بیماران مبتلا به کووید-19 ضرورت بیش از پیش یافته و سهم عمده&#8204;ای از مقالات چاپ شده در این حوزه را به خود اختصاص داده&#8204;اند. در حال حاضر دقت&#8204;های تشخیص و غربالگری گزارش شده در مقالات علمی مبتنی بر روش&#8204;های هوش مصنوعی و یادگیری عمیق از روی تصاویر سی&#8204;تی&#8204;اسکن قفسه سینه بیماران، به بیش از 95 درصد رسیده است. یکی از معضلات موجود در زمینه روش&#8204;های مبتنی بر هوش مصنوعی، به مساله آموزش شبکه&#8204;های عصبی کانولوشن و نیازمندی آنها به تعداد بالایی از داده&#8204;های آموزش باز می&#8204;گردد. تلفیق چندین معماری مختلف از شبکه&#8204;های عصبی کانولوشن، منجر به افزایش دقت در این نوع از شبکه&#8204;ها به بیش از 99 درصد گردیده است.</abstract_fa>
	<abstract>Corona disease started in January 2020 in the wholesale fish market in Wuhan, China, and the World Health Organization declared it as a public disease and an international hazard, and in February 2020 named it Corona or Covid-19. Under this global pandemic, using artificial intelligence techniques especially convolutional neural networks based on deep learning for screening chest CT images are becoming more vital as before. The most studies in this field belong to the articles based on the deep learning methodologies using convolution neural networks. Already, obtained accuracies of detection and screening have benn reported in the article based on artificial intelligence and deep learning are more than 95 percent. The lack of comprehensive datasets of CT images with a large amount of samples is one of the most important problems in this field. Using hybrid architectures of convolutional neural networks have been increased the accuracy of these networks up to 99 percent.&lt;br&gt;
&lt;br&gt;
&amp;nbsp;</abstract>
	<keyword_fa>کووید-19, شبکه‌های عصبی کانولوشن, یادگیری عمیق, تصاویر سی‌تی‌اسکن قفسه سینه (CXR).</keyword_fa>
	<keyword>Covid-19, convolutional neural networks, deep learning, chest CT images.</keyword>
	<start_page>43</start_page>
	<end_page>55</end_page>
	<web_url>http://kiaeee.ir/browse.php?a_code=A-10-386-1&amp;slc_lang=fa&amp;sid=1</web_url>


<author_list>
	<author>
	<first_name></first_name>
	<middle_name></middle_name>
	<last_name></last_name>
	<suffix></suffix>
	<first_name_fa>علی</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>کارساز</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>a.karsaz@khorasan.ac.ir</email>
	<code>1003194753284600980</code>
	<orcid>1003194753284600980</orcid>
	<coreauthor>Yes
</coreauthor>
	<affiliation></affiliation>
	<affiliation_fa>موسسه آموزش عالی خراسان</affiliation_fa>
	 </author>


	<author>
	<first_name></first_name>
	<middle_name></middle_name>
	<last_name></last_name>
	<suffix></suffix>
	<first_name_fa>رقیه</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>اکبریان</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>fl.akbarian@gmail.com</email>
	<code>1003194753284600981</code>
	<orcid>1003194753284600981</orcid>
	<coreauthor>No</coreauthor>
	<affiliation></affiliation>
	<affiliation_fa>موسسه آموزش عالی خراسان</affiliation_fa>
	 </author>


	<author>
	<first_name></first_name>
	<middle_name></middle_name>
	<last_name></last_name>
	<suffix></suffix>
	<first_name_fa>علی</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>خرمی</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>khorami@khorasan.ac.ir</email>
	<code>1003194753284600982</code>
	<orcid>1003194753284600982</orcid>
	<coreauthor>No</coreauthor>
	<affiliation></affiliation>
	<affiliation_fa>موسسه آموزش عالی خراسان</affiliation_fa>
	 </author>


</author_list>


	</article>
</articleset>
</journal>
