فهرست نشریات علمی دسترسی آزاد ایران

بیماری کرونا ویروس 2019 یا کووید-19، بیماری عفونی است که بر اثر ویروس سندروم حاد تنفسی (SARS-Cov-2) ایجاد می‌شود و به صورت همه‌گیری در سطح جهان شیوع پیدا کرده است. پس از آغاز انتشار سریع این بیماری در سال 2019، یک وضعیت اورژانسی سلامت عمومی از سوی سازمان بهداشت جهانی اعلام شد و جامعه بشری شاهد افزایش بسیار زیاد مرگ و میر ناشی از جهش‌های مختلف آن بود. از جمله علایم بالینی می‌توان به تب، سرفه، تنگی نفس و نابویایی اشاره کرد. خوشبختانه محققان در این اواخر توانسته‌اند با استفاده از روش‌های مختلف تشخیص در جلوگیری از انتشار و تسریع در درمان آن موفقیت‌های بسیاری را به دست آورند. هدف از این پژوهش، تشخیص بیماری کووید-19 با پردازش تصاویر سی‌تی‌اسکن ریه افراد با استفاده از الگوریتم‌های ترکیبی یادگیری عمیق بر پایه شبکه‌های عصبی کانولوشن است. در این راستا، از دو مجموعه داده تصاویر سی‌تی‌اسکن ریه افراد که از داده‌های Kaggle و GitHub به دست آمده استفاده می‌گردد. معماری‌های شبکه‌های عصبی کانولوشن بکار رفته در این پژوهش شامل VGG16، VGG19، Inception v3، ResNet50، DenseNet169 و CtNet10 است که در مرحله اول اثر اضافه کردن دو لایه Dense به هرکدام از این مدل‌ها بررسی و ارزیابی شد. سپس برای رسیدن به دقت و کارایی بالاتر از روش Ensemble پیشنهادی یعنی ترکیب معماری‌های VGG16، DenseNet169 و ResNet50 استفاده شده است. نتایج حاصل از پیاده‌سازی نشان می‌دهد که روش ترکیبی پیشنهادی قادر است روی مجموعه داده‌های مورد بررسی به دقت بالای 98 درصد تا 100درصد دست یابد و به طور قابل توجهی عملکرد شبکه‌های عصبی عمیق را در کارهای پیش‌بینی دو یا چند دسته‌ای بهبود بخشد.