تشخيص كوويد-۱۹ در تصاوير اشعه ايكس قفسه سينه با استفاده از يادگيري عميق

Detection of COVID-19 in chest X-ray images using deep learning

ويروس كوويد-۱۹ كه باعث عفونت در دستگاه تنفسي فوقاني و ريه‌ها مي‌شود، ميليون‌ها نفر را به كام مرگ كشانده است. يكي از رايج‌ترين راه‌هاي تشخيص بيماري كرونا، از طريق نمونه‌هاي گرفته‌شده از سواب‌هاي بيني و حلق، تحت آزمايشي با عنوان واكنش زنجيره‌اي پليمراز ترانس‌كريپتاز معكوس است كه زمان نتايج و هزينه اين آزمايش‌ها بالا است؛ بنابراين ابزارهاي تشخيص سريع و قابل دسترس ديگري مورد نياز است. با الهام از تحقيقات اخير كه وجود كوويد-۱۹ را با يافته‌هاي موجود در تصاوير اشعه ايكس قفسه سينه مرتبط مي‌كند، رويكرد اين مقاله از مدل يادگيري عميق موجود براي پردازش اين تصاوير و دسته‌بندي آن‌ها به موارد مثبت و منفي كوويد-۱۹ استفاده مي‌كند. در اين مقاله، از مجموعه تصاوير اشعه ايكس قفسه سينه شامل ۱۲۸۰۲ تصوير مثبت با مشكل كوويد-۱۹ و ۴۶۱۰ تصوير منفي كه مشكل كوويد-۱۹ ندارند، استفاده مي‌شود. پيش‌پردازش براي يكسان‌كردن اندازه تصاوير انجام مي‌شود و جهت آموزش و يادگيري از معماري‌هاي‌ VGG16 و VGG19 استفاده مي‌شوند. در نتايج تشخيص كوويد-۱۹، مقدار صحت براي تصاوير آزمون مدل VGG16 مقدار ۰/۸۲۷۴ و براي تصاوير آزمون مدل VGG19 مقدار ۰/۸۹۹۶ به دست آمده‌اند كه برتري مدل VGG19 را نشان مي‌دهد.

The COVID-19 virus, which causes an infection in the upper respiratory tract and lungs, has killed millions of people. One of the most common ways to diagnose corona disease is through samples taken from nose and throat swabs, under a test called reverse transcription polymerase chain reaction, result times and cost of these tests are high; so, other fast and accessible diagnostic tools are needed. Inspired by recent research that correlates the presence of COVID-19 to findings in chest X-ray images, this paper s approach uses existing deep learning models to process images and classify them as positive or negative for COVID-19. In this paper, a dataset of chest X-ray images uses 12802 images for COVID-19 positive cases and 4610 images for COVID-19 negative cases. Preprocessing is done to uniform the size of the images, and VGG16 and VGG19 architectures are used for training and learning. In the results of COVID-19 detection, the accuracy value for the VGG16 model test images is 0.8274 and for the VGG19 model test images, the value is 0.8996, which shows the superiority of the VGG19 model