كنفرانس بين المللی مهندسی صنايع و سيستم ها

صفحه اصلی / دهمین كنفرانس بين المللی مهندسی صنايع و سيستم ها

ارائه مدل ارتقای دانش تشخیص COVID-19 مبتنی بر یادگیری ماشین (مطالعه موردی: بیمارستان)

نویسندگان :

الهام عبادی جامخانه¹ محمد وحید سبط² ارد احمدی³

1- خوارزمی 2- دانشگاه خوارزمی 3- دانشگاه خوارزمی

کلمات کلیدی :

کووید-19،شبکه عصبی کانولوشنی،یادگیری عمیق،سی‌تی‌اسکن ریه،یادگیری ماشین،VggNet19

چکیده :

تشخیص بیماری همواره به‌عنوان یکی از مهم‌ترین موضوعات در زمینه تجزیه‌وتحلیل داده‌های پزشکی است. بیماری COVID-19 باعث افزایش علاقه به استفاده از تکنیک های داده کاوی برای تجزیه و تحلیل داده‌های این بیماری همه گیر شده است. در این پژوهش به‌دنبال ارائه یک روش سریع مبتنی بر یادگیری عمیق با استفاده از تصاویر سی‌تی‌اسکن ریه و بهره‌گیری از شبکه عصبی کانولوشنی(CNN) جهت تشخیص بیماران کووید-19 هستیم. در این پژوهش از یک مجموعه داده شامل 10640 تصویر سی‌تی‌اسکن ریه که از پرونده پزشکی مراجعین بیمارستان امام حسین(ع) نکا استخراج گردیده، دو معماری طراحی‌شده شبکه عصبی پیچشی و شش مدل‌ معروف شبکه عصبی از پیش آموزش‌دیده شده مانند VggNet19، MobileNetv3، InceptionNetv3 و غیره استفاده شده است. پس از برچسب‌گذاری داده‌ها توسط متخصص رادیولوژیست، پیش‌پردازش روی آن‌ها اعمال گردید. در نهایت مدل‌های توسعه داده شده طبق معیارهای ارزیابی عملکرد الگوریتم‌های یادگیری عمیق مانند دقت، صحت، حساسیت، امتیاز F1 مورد بررسی قرار گرفته‌اند. باتوجه‌به مقادیر معیارهای موردنظر، مقایسه جامعی بین شبکه‌های مختلف صورت‌گرفته و مدل VggNet19 با دقت 0.971 به‌عنوان مدل برتر انتخاب شده است. بی شک نتایج این تحقیق نشان از این است که بهره‌گیری از یادگیری ماشین برای تشخیص فرد بیمار مانند نتایج یک آزمایش خون معمولی یا تصاویر رادیولوژی می‌تواند مؤثر باشد؛ به‌طوری‌که از آن به‌عنوان یک روش کمکی یا حتی جایگزین استفاده کرد.