شناسایی موارد ابتلا به کووید-19 با استفاده از شبکه عصبی فازی نوع 2 عمیق براساس تصاویر X-Ray قفسه سینه

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.