CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

ارائه یک روش جدید مبتنی بر شبکه عصبی عمیق و الگوریتم XGBoost به منظور تشخیص بیماری کرونا از روی تصاویر اشعه ایکس

عنوان مقاله: ارائه یک روش جدید مبتنی بر شبکه عصبی عمیق و الگوریتم XGBoost به منظور تشخیص بیماری کرونا از روی تصاویر اشعه ایکس
شناسه ملی مقاله: ICMVIP12_010
منتشر شده در دوازدهمین کنفرانس ملی و دومین کنفرانس بین المللی بینایی ماشین و پردازش تصویر ایران در سال 1400
مشخصات نویسندگان مقاله:

حمید نصیری - دانشجوی دکتری دانشگاه صنعتی امیرکبیر
شریف حسنی - دانشجوی کارشناسی دانشگاه سمنان

خلاصه مقاله:
در اواخر سال ۲۰۱۹ و پس از همه گیری بیماری کووید-۱۹ در جهان، محققان و پژوهشگران بسیاری در دنیا سعی کرده اند روش‎هایی را برای تشخیص و شناسایی افراد مبتلا به کووید-۱۹ ارائه کنند. در همین راستا این پژوهش با تمرکز بر شناسایی فرد مبتلا به کووید-۱۹ از روی تصاویر اشعه ایکس انجام شده‎ است. در این مقاله روش جدیدی به منظور تشخیص بیماری کرونا از روی تصاویر اشعه ایکس ارائه شده است. در روش پیشنهادی از شبکه عصبی عمیق به منظور استخراج ویژگی های تصاویر اشعه ایکس قفسه سینه بیمار استفاده می شود و ویژگی های استخراج شده به عنوان ورودی به الگوریتم XGBoost داده می شوند تا این الگوریتم عمل دسته بندی را انجام دهد. آزمایشات ارزیابی و مقایسه روش پیشنهادی با روش هایی که در سال های اخیر ارائه شده اند نشان می دهد که روش پیشنهادی به نسبت روش های موجود دقت و سرعت بالاتری داشته و در تشخیص بیماری کرونا از روی تصاویر اشعه ایکس عملکرد قابل قبولی دارد.

کلمات کلیدی:
الگوریتم XGBoost، بیماری کرونا، شبکه عصبی عمیق، شبکه DenseNet۱۶۹، کووید-۱۹

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1428759/