استخراج ویژگیهای بهینه از تصاویر اشعه ی ایکس قفسه ی سینه مبتنی بر روش انتخاب ویژگی ترکیبی برای پیشبینی وضعیت التهاب ریوی

یکی از راه های تحلیل بیماری التهاب ویروسی ریه (ویروس کرونا)، استفاده از تصاویر اشعه ی X سینه ی مبتلایان است. استفاده از روشهای جدید پردازش تصویر و طبقه بندهای خودکار مبتنی بر الگوریتم های هوش مصنوعی میتواند در دسته بندی این گونه بیماریها پیشرفت های قابل ملاحظه ای را نتیجه دهد. در گام اول از پژوهش حاضر، با اعمال تابع زرنیک به داده ها، گشتاورهای تصویر سینه ی سالم و تصویر سینه ی آلوده استخراج گردیده است. سپس، الگوریتم انتخاب ویژگی ترکیبی به گشتاورهای با ابعاد بالااعمال میشود تا ویژگی های بهینه انتخاب گردد. این ویژگیهای منتخب به طبقهبند ماشین بردار پشتیبان با لحاظ هسته ی مناسب وارد میشود تا پیشبینی وضعیت التهاب ریوی صورت پذیرد. نتایج بدست آمده نشان دادند که چارچوب پیشنهادی با لحاظ سنجه های ACC، TPR و TNR به ترتیب دارای دقت پیشبینی ۸۹.۶۶%، ۹۲% و ۸۷.۳۳% است. علاوه بر کمک به تصمیم نهایی متخصص بیماریهای عفونی، این الگوریتم خودکارمیتواند در مواقع اضطراری در صورت عدم وجود متخصص درمان ریه، بیماری فرد را با دقت بالایی تشخیص دهد.