بهزاد بختیاری - استادیار و عضو هیات علمی دانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه صنعتی سجاد، مشهد
الهام کلهر - کارشناس ارشد مهندسی کامپیوتر گرایش هوش مصنوعی، دانشگاه صنعتی سجاد، مشهد

در اواخر سال ۲۰۱۹ در شهر ووهان چین بیماری حاد تنفسی به نام کرونا ویروس شایع شد. این بیماری به سرعت در شهرهای چین و کشورهای دیگر گسترش یافت و به گونه ای ادامه یافت که در ۳۰ ژانویه ۲۰۲۰ سازمان جهانی بهداشت WHO وضعیت اضطراری بین المللی را در ارتباط با این بیماری اعلام کرد. با توجه به همه گیری این ویروس تمام کشورهای در حال توسعه به دنبال تشخیص و درمان آن هستند. این بیماری یک بیماری تنفسی میباشد و روی حنجره تاثیر زیادی میگذارد و شخص بیمار را دچار سرفه های خشک میکند. بنابراین از روی صدای سرفه میتوان شخص مبتلا به کوید ۱۹ را شناسایی کرد. در این مقاله، ما با استفاده از مدل یادگیری مبتنی بر شبکه عصبی کانولوشن به عنوان یک روش مناسب و کم هزینه برای تشخیص کوید ۱۹ استفاده کردیم. ما با استفاده از ضبط های صوتی حاوی صدای سرفه که از دستگاه تلفن همراه یا از طریق وب آماده شده اند به تشخیص کوید ۱۹ میپردازیم و مجموعه ای از شبکه های عصبی کانولوشن که از صدای سرفه خام استفاده میکنند آموزش میدهیم. برای ارزیابی نتایج از دادگان covid۱۹-sounds، public Dataset و virufy-cdf-coughvid استفاده کردیم. نتایج نشان میدهد که روش پیشنهادی عملکرد بهتری نسبت به روش های پایه دارد.

استخراج ویژگی، تجزیه و تحلیل صدای سرفه، شبکه های عصبی کانولوشن، طبقه بندی، کرونا ویروس