![Bootstrap Touch Slider](../files_site/homePictures/isc.jpg)
ارائه یک روش جدید مبتنی بر شبکه عصبی عمیق و الگوریتم XGBoost به منظور تشخیص بیماری کرونا از روی تصاویر اشعه ایکس
شریف حسنی - حمید نصیری
شریف حسنی - حمید نصیری
دانشگاه سمنان - دانشگاه صنعتی امیرکبیر
زبان مقاله : فارسی |
تعداد صفحات مقاله : 8 صفحه |
نوع مقاله : مقاله پوستری |
ISC کد مقاله در : ISC6440_532017
چکیده
چکیده- در اواخر سال 2019 و پس از همهگیری بیماری کووید-19 در جهان، محققان و پژوهشگران بسیاری در دنیا سعی کردهاند روشهایی را برای تشخیص و شناسایی افراد مبتلا به کووید-19 ارائه کنند. در همین راستا این پژوهش با تمرکز بر شناسایی فرد مبتلا به کووید-19 از روی تصاویر اشعه ایکس انجام شده است. در این مقاله روش جدیدی به منظور تشخیص بیماری کرونا از روی تصاویر اشعه ایکس ارائه شده است. در روش پیشنهادی از شبکه عصبی عمیق به منظور استخراج ویژگیهای تصاویر اشعه ایکس قفسه سینه بیمار استفاده میشود و ویژگیهای استخراج شده به عنوان ورودی به الگوریتم XGBoost داده میشوند تا این الگوریتم عمل دستهبندی را انجام دهد. آزمایشات ارزیابی و مقایسه روش پیشنهادی با روشهایی که در سالهای اخیر ارائه شدهاند نشان میدهد که روش پیشنهادی به نسبت روشهای موجود دقت و سرعت بالاتری داشته و در تشخیص بیماری کرونا از روی تصاویر اشعه ایکس عملکرد قابل قبولی دارد.کليدواژه ها
الگوریتم XGBoost، بیماری کرونا، شبکه عصبی عمیق، شبکه DenseNet169، کووید-۱۹نحوه استناد به مقاله
در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:حسنی , شریف , 1400 , ارائه یک روش جدید مبتنی بر شبکه عصبی عمیق و الگوریتم XGBoost به منظور تشخیص بیماری کرونا از روی تصاویر اشعه ایکس , دوازدهمین کنفرانس ملی و دومین کنفرانس بین المللی بینایی ماشین و پردازش تصویر ایران
انتشار دهنده
محل انتشار : دوازدهمین کنفرانس ملی و دومین کنفرانس بین المللی بینایی ماشین و پردازش تصویر ایرانمشخصات برگزارکننده همایش : دانشگاه شهید چمران اهواز
تعداد مقالات : 20
![۰۰۲۰۱-۱۳۰۸۷ ۰۰۲۰۱-۱۳۰۸۷](assets/img/isc.jpg)
دیگر مقالات این رویداد
© کلیه حقوق متعلق به موسسه استنادی و پایش علم و فناوری جهان اسلام (ISC) می باشد.