تشخيص بيماري كوويد-19 در تصاوير پرتو X مبتني بر روش‌هاي يادگيري عميق و تركيب دسته‌بندها

مقدمه: كوويد-19 يك ويروس جديد است كه باعث عفونت در دستگاه‌تنفسي‌فوقاني و ريه‌ها مي‌شود كه تعداد موارد مرگ و مير به‌طور روزانه در مقياس يك بيماري همه‌گير جهاني افزايش يافته ‌است. تصاوير اشعه‌ايكس قفسه‌سينه براي نظارت بر بيماري‌هاي مختلف ريه مفيد بوده و اخيراً براي نظارت بر بيماري كوويد-19 استفاده شده ‌است. روش: در اين پژوهش جهت بازشناسي كوويد-19 از روي تصاوير x از يك فرآيند چند مرحله‌اي بهره گرفته شده ‌است كه در مرحله‌ نخست عمليات پيش‌پردازش با هدف نرمال سازي روي داده‌ها صورت گرفته است. در گام دوم كه مهم‌ترين گام روش پيشنهادي مي‌باشد، عمليات استخراج‌ ويژگي صورت گرفته است. عمليات استخراج ‌ويژگي براساس شبكه‌هاي يادگيري‌عميق صورت گرفته است. بعد از عمليات استخراج ويژگي از الگوريتم‌هاي يادگيري‌ماشين جهت دسته‌بندي تصاوير بهره گرفته شده‌ است. الگوريتم‌هاي مورد استفاده در اين بخش الگوريتم‌هاي ماشين بردار پشتيبان، نزديك‌ترين همسايه و درخت‌ تصميم مي‌باشند. نتايج اين دسته‌بندها در گام چهارم براساس رأي ‌اكثريت تركيب گرديده‌اند. نتايج: پارامترهاي به‌كاررفته در اين پژوهش جزء پارامترهاي دسته‌بندي مي‌باشد كه شامل: دقت، صحت، فراخوان و معيار F مي‌باشند كه به‌ترتيب مقادير 96/5، 92/25، 94 و 93 به ‌دست ‌آمده است. نتيجه‌گيري: نتايج آزمايش‌ها نشان‌دهنده‌ كارايي قابل‌قبول روش‌پيشنهادي مي‌باشد زيرا علاوه بر كاهش محاسبات توسط لايه‌ جدا پذير، از تركيب دسته‌بندها و وزن‌دهي به آن‌ها براي به‌دست آوردن نتيجه‌ نهايي استفاده گرديده ‌است.