به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت

جستجوی مقالات مرتبط با کلیدواژه « تصاویر X-Ray قفسه سینه » در نشریات گروه « برق »

تکرار جستجوی کلیدواژه «تصاویر X-Ray قفسه سینه» در نشریات گروه «فنی و مهندسی»
  • کامل صباحی*، سبحان شیخی وند، زهره موسوی، مهدی رجبیون

    امروزه ویروس کرونای جدید به یک اپیدمی بزرگ جهانی تبدیل شده است. روزانه درصد بالایی از جمعیت کل جهان به این ویروس مبتلا می شوند و درصد چشمگیری در اثر ابتلا جان خود را از دست می دهند. با توجه به ماهیت واگیرداری شدید این ویروس، تشخیص، درمان و قرنطینه به موقع امری ضروری تلقی می شود. در این مقاله یک روش خودکار برای تشخیص کووید-19 از تصاویر اشعه ایکس قفسه سینه براساس شبکه های یادگیری عمیق ارایه شده است. برای شبکه یادگیری عمیق پیشنهادی در این کار از ترکیب شبکه های کانولوشنال با توابع فعال سازی فازی نوع 2 به منظور مواجهه بهتر با نویز استفاده شده است. همچنین برای افزایش دادگان، شبکه های مولد تخاصمی در این پژوهش به کار گرفته شده اند. صحت نهایی حاصل شده برای طبقه بندی سناریوی اول (سالم و کووید-19) و سناریوی دوم (سالم، پنومونیا و کووید-19) به ترتیب حدود 99 و 95 درصد است. علاوه بر این، نتایج روش پیشنهادی ازنظر معیارهای صحت، حساسیت و اختصاصیت در مقایسه با پژوهش های اخیر امیدوارکننده اند؛ به طوری که برای طبقه بندی سناریوی اول به ترتیب دارای حساسیت و اختصاصیت 100 و 99 درصد است. روش پیشنهادی با راه یابی به حوزه کاربردی می تواند به عنوان دستیار پزشک در طول درمان بیماران استفاده شود.

    کلید واژگان: covid-19, مجموعه های فازی نوع 2, CNN, تصاویر X-Ray قفسه سینه}
    Kamel Sabahi *, Sobhan Sheykhivand, Zohreh Mousavi, Mehdi Rajabioun

    Today, the new coronavirus (Covid-19) has become a major global epidemic. Every day, a large proportion of the world's population is infected with the Covid-19 virus, and a significant proportion of those infected dies as a result of this virus. Because of the virus's infectious nature, prompt diagnosis, treatment, and quarantine are considered critical. In this paper, an automated method for detecting Covid-19 from chest X-ray images based on deep learning networks is presented. For the proposed deep learning network, a combination of convolutional neural networks with type-2 fuzzy activation function is used to deal with noise and uncertainty. In this study, Generative Adversarial Networks (GANs) were also used for data augmentation. Furthermore, the proposed network is resistant to Gaussian noise up to 10 dB. The final accuracy for the classification of the first scenario (healthy and Covid-19) and the second scenario (healthy, Pneumonia and Covid-19) is about 99% and 95%, respectively. In addition, the results of the proposed method in terms of accuracy, precision, sensitivity, and specificity in comparison with recent research are promising. For example, the proposed method for classifying the first scenario has 100% and 99% sensitivity and specificity, respectively. In the field of medical application, the proposed method can be used as a physician's assistant during patient treatment.

    Keywords: ovid-19, Type 2 fuzzy sets, Convolutional neural network, Chest X-ray images}
نکته
  • نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
  • کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
  • در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال