1403/09/02
ایمان اسماعیلی پایین افراکتی

ایمان اسماعیلی پایین افراکتی

مرتبه علمی: دانشیار
ارکید:
تحصیلات: دکترای تخصصی
اسکاپوس:
دانشکده: دانشکده مهندسی و فناوری
نشانی:
تلفن: 01135305134

مشخصات پژوهش

عنوان
روشی مبتنی بر یادگیری عمیق برای تشخیص کرونا با استفاده از تصاویر سی تی
نوع پژوهش
مقاله ارائه شده
کلیدواژه‌ها
یادگیری عمیق، کووید- 19 ، شبکه عصبی کانولوشن
سال 1401
پژوهشگران خدیجه آقاجانی ، ایمان اسماعیلی پایین افراکتی

چکیده

بیماری کرونا که نقطه شروع آن در چین است، تاکنون بیش از 480 میلیون مورد را در سراسر جهان تحت تاثیر قرار داده است. با توجه به تعداد محدود کیت های تست و ماهیت وقت گیر تشخیص، سی تی ا سکن و رادیوگرافی قف سه سینه با ا شعه ایکس می توانند به عنوان گزینه های تشخیص سریع جایگزین استفاده شوند. در این مقاله از روشی مبتنی بر شبکه عصبی کانولوشنال عمیق برای تشخیص خودکار بیماران مبتلا با استفاده از تصاویر سیتی ریه ا ستفاده شده ا ست. مدل پیشنهادی بر روی مجموعه دادههای CT COVID-19 آموزش و ارزیابی میشود. نتایج شبیه سازی نشان میدهد که مدل پیشنهادی به دقت متوسط 94 درصد در تشخیص بیماران مبتلا به کووید- 19 در مجموعه داده مورد استفاده دست یافته است. برای مقایسه از مدل Xception ا ستفاده شده ا ست. پس از آموزش، دقت متو سط به ترتیب 5 / 94 و 7 / 89 در صد در ارزیابی مبتنی بر بیمار و مبتنی بر تصویر به د ست آمده است.