| نوع مدرک: | متون چاپی |
| سرشناسه | آسادوریان ، نازه، نویسنده |
| رده‌بندی کنگره : | COM soft 69 |
| عنوان : | تشخیص بیماری کووید19- از تصاویر سی تی قفسه سینه با استفاده از یادگیری انتقالی |
| عنوان موازی : | Covid-19 Detection from Chest CT Scans Using Transfer Learning Approach |
| ناشر: | دانشگاه شهید اشرفی اصفهانی: اصفهان |
| سال نشر : | 1401 |
| صفحه شمار: | 75ص |
| شابک/شاپا | 24905 |
| یادداشت | کارشناسی ارشد:رشته مهندسی کامپیوتر گرایش نرم افزار کامپیوتر |
| شناسه افزوده : | شیرزادفر ، حمیدرضا، استاد راهنما یراقی ، شکوفه، استاد مشاور |
| توصیفگرها | یادگیری انتقالی، بیماری کووید،19- تصاویر سی تی قفسه سینه، شبکه عصبی کانولوشن، یادگیری عمیق : Transfer Learning, Covid-19 Disease, Chest CT Scans, Convolutional
Neural Network, Deep Learning |
| چکیده : | کووید19-)-2COV-SARS)که باعث سندرم حاد تنفسی می شود، یک بیماری مسری و کشنده است که
اثرات مخربی بر جامعه و زندگی انسان دارد و به طور قابل توجهی بر اقتصاد جهان تأثیر گذاشته است. کووید-
19 می تواند عوارض جدی به خصوص در بیماران با مشکالت سالمت زمینهای مانند دیابت، فشار خون باال،
سرطان ریه، سیستم ایمنی ضعیف و افراد مسن ایجاد کند. حیاتی ترین گام در مبارزه با کووید19- تشخیص
سریع بیماران مبتال است. تصاویر سی تی قفسه سینه و کیتهای تشخیصی PCR-RT اغلب برای تشخیص
بیماری استفاده می شوند. با این حال، به دلیل مشکالتی مانند ناکافی بودن کیتهای تست PCR-RT ،
نتایج منفی کاذب در مراحل اولیه بیماری، زمانبر بودن بررسی تصاویر پزشکی بهدستآمده از تکنیکهای
تصویربرداری سی تی قفسه سینه توسط متخصصان و پزشکان و افزایش حجم کار بر روی متخصصان،
شناسایی کووید19- چالش برانگیز است. بنابراین، محققان جستجوی روشهای جدید در تشخیص کووید-
19 را پیشنهاد کردهاند. روش های یادگیری عمیق روشی سریع و دقیق در تشخیص این بیماری نظر گرفته
شدهاند. پیشرفتهای اخیر در فناوری و در دسترس بودن روشهای یادگیری عمیق در تشخیص کووید19-
با دقت بیشتر، بسیار امیدوارکننده به نظر میرسند. یکی از روشهای یادگیری عمیق جهت پردازش تصاویر
شبکهی عصبی کانولوشن میباشد. برای عالمت گذاری کووید19- به عنوان مثبت یا منفی برای سی تی
اسکن بهبودیافته، از مدل های از پیش آموزش دیده موجود مانند 16VGG، 50ResNet، 201DenseNet،
L2EfficientNetV و 2InceptionResNetV استفاده شده است. مدل پیشنهادی در این تحقیق از مدل
از پیش آموزش دیده 2InceptionResNetV استفاده کرده است و به صحت باالتری دست یافته است.
صحت به دست آمده ،%97.59 دقت ،0.9878 بازیابی 0.9641 و میانگین 1F 0.9758 می باشد |
| لینک ثابت رکورد: | ../opac/index.php?lvl=record_display&id=13935 |
| زبان مدرک : | فارسی |
تشخیص بیماری کووید19- از تصاویر سی تی قفسه سینه با استفاده از یادگیری انتقالی (1401) / آسادوریان ، نازه، نویسنده