چکیده

ویروس کرونا (COVID-19) طبق گزارش سازمان جهانی بهداشت، یک اپیدمی جهانی است که در اواخر سال 2019 ظهور کرد. این نظر اتفاق‌نظر وجود داشت که استفاده از تکنیک‌های توموگرافی کامپیوتری (CT) برای تشخیص به‌موقع بیماری همه‌گیر نتایج سریع و دقیق می‌‌دهد. رادیولوژیست‌های متخصص اظهار داشتند که (COVID-19) رفتارهای مختلفی را در تصاویر CT نشان می‌‌دهد. در این مطالعه، یک روش جدید به‌عنوان ترکیب و رتبه‌بندی ویژگی‌های عمیق برای تشخیص (COVID-19) در فاز اولیه بررسی شده است. در روش مورد بررسی، 3000 تصویر پچ به‌عنوان (COVID-19) برچسب‌گذاری شده است و هیچ نتیجه‌ای برای استفاده در مرحله آموزش و آزمایش وجود ندارد. در روش بررسی شده به‌منظور افزایش عملکرد، از روش هم‌جوشی و رتبه‌بندی ویژه استفاده شده است. سپس، داده‌های پردازش‌شده با یک ماشین بردار پشتیبانی (SVM) طبقه‌بندی شدند. با توجه به مدل‌های دیگر آموزش‌دیده عصبی کانولوشن (CNN) که در یادگیری انتقال استفاده می‌‌شود، روش موردنظر عملکرد بالایی را در زیرمجموعه 2 با دقت 27/98، حساسیت 98/ 93، مشخصات 60/97، دقت 63/97، نمره F1 28/98 و 54/96٪ معیارهای ضریب همبستگی متیوز (MCC) را نشان می‌‌دهد.

کليدواژه ها

ویروس کرونا، (COVID-19)، تصاویر CT، یادگیری عمیق، فیوژن و رتبه‌بندی.

کد مقاله / لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است :

نحوه استناد به مقاله

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
زهره معصومی , 1400 , بررسی ویروس کرونا با استفاده از روش یادگیری عمیق تلفیقی و تکنیک رتبه بندی , بیستمین کنفرانس ملی دانشجویی مهندسی برق ایران