ارايه يك رويكرد تشخيص بيماران كوويد 19 با يادگيري ماشين و الگوريتم بهينه سازي عروس دريايي

بيماري كوويد 19، يك بيماري كشنده تنفسي و واگيردار است و سالانه ميليون ها نفر را به كام مرگ مي برد. مسئله اصلي براي مهار بيماري كوويد 19، طبقه بندي افراد بيمار از افراد سالم است. براي تشخيص بيماران از افراد سالم تاكنون چند روش مختلف ارايه شده است كه بيشتر آنها بر اساس پردازش تصوير سي تي اسكن بوده است. در اين روش ها براي آنكه تشخيص داده شود فرد سالم يا بيمار است، تصاوير سي تي اسكن بيماران مورد بررسي قرار گرفته مي شود. براي تجزيه و تحليل تصاوير سي تي اسكن بيماران يا افراد سالم معمولا از روشهاي يادگيري عميق استفاده مي شود. در اين مورد فرض بر آن است كه ويروس كرونا، روي بافتهاي ريه فرد اثر گذاشته و به آن آسيب وارد كرده است. چالش اصلي اين دسته از مطالعات آن است كه فرض بر آن است كه بيماري كوويد 19 روي ريه هاي فرد اثر گذاشته و اثر آن در تصاوير سي تي اسكن مشخص شده است. مطالعات نشان مي دهد كه در بسياري از موارد فرد مبتلا به بيماري كوويد 19 است اما داراي ريه هاي سالمي است لذا نياز به توسعه روشهاي است كه بر اساس ساير اطلاعات باليني، بيماران و افراد سالم را طبقه بندي نمايد. در اين مقاله، براي طبقه-بندي افراد سالم و بيمار از يك مكانيزم طبقه بندي مبتني بر شبكه عصبي چند لايه در تركيب با الگوريتم عروس دريايي استفاده شده است. در روش پيشنهادي نقش الگوريتم عروس دريايي بهينه سازي پارامترهاي شبكه عصبي و انتخاب ويژگي است. آزمايشات نشان داد روش پيشنهادي براي تشخيص بيماران كوويد 19 مي تواند به دقت، صحت و حساسيتي به ترتيب برابر 97.44%، 97.41% و 97.19% دست پيدا نمايد. روش پيشنهادي در تشخيص بيماران كرونايي از روش هاي يادگيري نظير ANN، CNN، CNNLSTM، CNNRNN، LSTM، RNN عملكرد بهتري دارد.