یادگیری عمیق در پردازش تصاویر سی تی اسکن ریه بیماران مبتلا به کرونا
محل انتشار: فصلنامه عصر برق، دوره: 8، شماره: 16
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 154
فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_KEEE-8-16_005
تاریخ نمایه سازی: 2 مهر 1401
چکیده مقاله:
بیماری کرونا، از ژانویه ۲۰۲۰ در بازار عمده فروشان ماهی در شهر وهان چین شروع و سازمان بهداشت جهانی آن را به عنوان یک بیماری عمومی و یک مخاطره بین المللی معرفی و در فوریه ۲۰۲۰ آن را کرونا یا کووید-۱۹ نامگذاری نمود. با گسترش روزافزون بیماری کرونا در سراسر دنیا، استفاده از تکنیک ها و الگوریتم های هوش مصنوعی به خصوص شبکه های عصبی کانولوشن مبتنی بر یادگیری عمیق جهت غربالگری تصاویر سی تی اسکن قفسه سینه بیماران مبتلا به کووید-۱۹ ضرورت بیش از پیش یافته و سهم عمده ای از مقالات چاپ شده در این حوزه را به خود اختصاص داده اند. در حال حاضر دقت های تشخیص و غربالگری گزارش شده در مقالات علمی مبتنی بر روش های هوش مصنوعی و یادگیری عمیق از روی تصاویر سی تی اسکن قفسه سینه بیماران، به بیش از ۹۵ درصد رسیده است. یکی از معضلات موجود در زمینه روش های مبتنی بر هوش مصنوعی، به مساله آموزش شبکه های عصبی کانولوشن و نیازمندی آنها به تعداد بالایی از داده های آموزش باز می گردد. تلفیق چندین معماری مختلف از شبکه های عصبی کانولوشن، منجر به افزایش دقت در این نوع از شبکه ها به بیش از ۹۹ درصد گردیده است.
کلیدواژه ها:
Covid-۱۹ ، convolutional neural networks ، deep learning ، chest CT images. ، کووید-۱۹ ، شبکه های عصبی کانولوشن ، یادگیری عمیق ، تصاویر سی تی اسکن قفسه سینه (CXR).
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :