سید محمد موسوی - دانشجو کارشناسی ارشد، دانشکده ریاضی و کامپیوتر، بخش علوم کامپیوتر، دانشگاه شهید باهنر کرمان
سوده حسینی - دانشیار، دانشکده ریاضی و کامپیوتر، بخش علوم کامپیوتر، دانشگاه شهید باهنر کرمان

تصاویر اشعه ایکس قفسه سینه برای نظارت بر بیماری های مختلف ریه مفید بوده و اخیرا برای نظارت بر بیماری ۱۹-COVID که باعث عفونت در دستگاه تنفسی فوقانی و ریه ها می شود استفاده شده است. در این مقاله به منظور خودکارسازی روند تشخیص بیماری ۱۹-COVID با استفاده از تصاویر اشعه ایکس یک شبکه عصبی پیچشی سبک پیشنهاد شده است که شامل ۹ لایه و ۳۷۷.۷۳۱ پارامتر بوده که تمام آنها قابل آموزش است. نوآوری این پژوهش استفاده از یک شبکه عصبی پیچشی سبک می باشد که علاوه بر کاهش تعداد لایه ها و پارامترها، شبکه همچنان از دقت بالایی برای تشخیص موارد مبتلا برخوردار است. در مرحله اول تصاویر به سایز ۲۵۶*۲۵۶ تغییر سایز داده شده اند و به منظور یادگیری بهتر شبکه از روش تقویت داده استفاده شده است. در مرحله دوم بااستفاده از ۳۶۵۹ تصویر به منظور آموزش و ۵۲۲ تصویر برای ارزیابی در ۲۰مرحله و با استفاده از روش توقف زودهنگام براساس کمترین میزان خطای اعتبارسنجی شبکه آموزش داده شده است .در مرحله آخر پس از بررسی برروی ۱۰۴۷ تصویر مجموعه آزمایش دقت۰.۹۶۲ بدست آمده است. نتایج نشان می دهد شبکه های عصبی پیچشی به منظور شناسایی موارد مبتلا به بیماری ۱۹-COVID بااستفاده از تصاویر رادیولوژی منجر به دقت بالایی می شود.

طبقه بندی تصاویر پزشکی، شبکه های عصبی پیچشی ،۱۹-COVID