شماره ركورد كنفرانس :
5391
عنوان مقاله :
بكارگيري شبكه عصبي عميق پيچشي براي تشخيص بيماري كوويد-19 از روي تصاوير سي تي اسكن
پديدآورندگان :
عزيزي رضوانه rezvanehazizi6@gmail.com گروه مهندسي كامپيوتر،واحد دامغان،دانشگاه آزاد اسلامي،دامغان،ايران , عباسي نيشابوري حميد hamid.abbasi@iau.ac.ir گروه مهندسي كامپيوتر،واحد دامغان،دانشگاه آزاد اسلامي،دامغان،ايران
كليدواژه :
تصاوير سي تي اسكن , شبكه عصبي كانولوشن , كوويد 19 , مدل‌سازي , , يادگيري عميق
عنوان كنفرانس :
دهمين كنفرانس بين المللي هوش مصنوعي و رباتيك
چكيده فارسي :
در اين مقاله، به بررسي كاربرد محاسبات نرم در تشخيص كوويد-۱۹ از طريق تحليل تصاوير سي تي اسكن پرداخته شده است. در اين پژوهش از مدل‌هاي يادگيري عميق پيچشي استفاده شده و عملكرد آن در تشخيص بيماري مورد ارزيابي قرار گرفته است. در اين تحقيق، ما بهينه‌سازي روش‌هاي استخراج ويژگي از تصاوير سي تي اسكن را بررسي نموده و نتايج به دست آمده از آزمايشات خود را ارائه خواهيم داد. در اين مقاله، ما بر روي طراحي يك تشخيص كوويد -19 با استفاده از مدل شبكه عصبي كانولوشن با پشتيباني از نرم‌افزارهاي منبع‌باز مانند Keras، Python، Google Colab، Kaggle و Visual Studio كار مي‌كنيم.نتايج اين مطالعه نشان مي‌دهند كه استفاده از شبكه‌هاي عميق پيچشي با لايه بندي صورت گرفته مي‌تواند بهبود قابل توجهي در دقت تشخيص كوويد-۱۹ از طريق تصاوير سي تي اسكن ايجاد كند و در تشخيص سريع‌تر و دقيق‌تر بيماران مؤثر باشد.
