تشخیص کووید-19 با استفاده از شبکه عصبی VGG-16 و کلاسه بندی تصاویر اشعه ایکس قفسه سینه

با افزایش آمار ابتلا و مرگ و میر کووید-19، این نیاز احساس می شود که با استفاده از ابزارهای هوش مصنوعی و یادگیری ماشینی، در جهت تشخیص سریع و به موقع ویروس کرونا اقدام نمود. در این مطالعه با استفاده از تصاویر اشعه ایکس قفسه سینه و شبکه عصبی عمیق VGG-16، یک سیستم خودکار برای تشخیص موارد ابتلا به کووید-19 طراحی و پیاده سازی شد.

در این پژوهش، از تصاویر اشعه ایکس قفسه سینه که از پایگاه داده Kaggle اخذ شده است، استفاده گردید. طراحی این مطالعه به ترتیب شامل این موارد بود: نمونه گیری داده ها، تقسیم بندی آموزش ها، ساخت دایرکتوری ها، انتقال تصاویر به پوشه های مخصوص به خود، کلاسه بندی تصاویر، ساخت مدل پیشنهادی VGG-16 در بستر زبان برنامه نویسی پایتون و کتابخانه های Keras و Tensorflow، ارزیابی مدل پیشنهادی و در نهایت ساخت ماتریس درهم ریختگی و تحلیل و تفسیر آنها.

میزان صحت و دقت مدل پیشنهادی برای کلاس کووید مثبت به ترتیب، 91 و 93 درصد بود. همچنین میزان بازیابی و  امتیاز F1 برای موارد مبتلا به کووید-19، به ترتیب 94 و 88 درصد به دست آمد.

به علت دقت و صحت بالای مدل پیشنهاد شده، می توان از آن در جهت تشخیص کووید- 19 و تفکیک موارد مبتلا به کووید-19 از موارد سالم استفاده کرده و همچنین به عنوان یک ابزار کمکی در جهت کمک به پزشک در تشخیص این بیماری بهره جست.