تعداد نشریات | 44 |
تعداد شمارهها | 1,303 |
تعداد مقالات | 16,020 |
تعداد مشاهده مقاله | 52,485,576 |
تعداد دریافت فایل اصل مقاله | 15,213,083 |
تشخیص بیماری کووید-19 با استفاده از شبکههای عصبی کانولوشنال بهینهسازی شده | ||
پردازش سیگنال پیشرفته | ||
مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 21 آبان 1401 | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22034/jasp.2022.52486.1197 | ||
نویسندگان | ||
غلامرضا کریمی* 1؛ علی محمدی2 | ||
1مهندسی برق و کامپیوتر- دانشگاه رازی- کرمانشاه - ایران | ||
2گروه مهندسی برق- دانشکده برق و کامپیوتر- دانشگاه رازی- کرمانشاه -ایران | ||
چکیده | ||
پاندمی کووید-19 بیش از 2 سال است که سبب مشکلات فراوانی در تمام دنیا بوده است. از این رو مبارزه با این بیماری به یکی از اولویت-های مهم جامعه بشری برای غلبه بر این مشکلات تبدیل شده است. یکی از اولین گامها برای مبارزه با این بیماری، تشخیص صحیح و سریع این بیماری است که روشهای مختلفی برای تشخیص این بیماری پیشنهاد و ارائه گردیده است. از طرفی یکی از مهمترین ابزارهای دستهبندی و تشخیص تصاویر، استفاده از شبکههای عصبی کانولوشنال میباشد. در این مقاله با استفاده از شبکههای عصبی کانولوشنال، ساختاری پیشنهاد شده است که اطلاعات تصاویر اسکن شده از ریه افراد را دریافت کرده و پس از پردازش، وضعیت فرد را در 3 دسته کووید-19، سالم و پنومونی در خروجی نشان میدهد. از مهمترین مزایای این شبکه میتوان به دقت بالا نسبت به سایر روشهای موجود اشاره نمود. همچنین شبکه پیشنهادی در این مقاله، با استفاده از الگوریتمهای گرگ خاکستری و ژنتیک بهینهسازی شده و در نتیجه ساختار نهایی آن هم از نظر دقت و هم از نظر پیچیدگی به حد مناسبی رسیده است تا جایی که تعداد لایهها و تعداد فیلترهای آن نسبت به شبکههای پیش از خود بسیار کمتر است در حالی که از نظر دقت میزان قابل قبولی به نسبت شبکههای بسیار گسترهتر از خود دارا میباشد. شبکه پیشنهادی با استفاده از مجموعه دادههای کگل آموزش داده شده و در نهایت دقت 34/95% برای آن بدست آمده است که در صورت افزایش مقدار دادههای آموزش میتوان به دقت بالاتری نیز دست یافت. | ||
کلیدواژهها | ||
شبکههای عصبی کانولوشنال؛ کووید-19؛ بهینهسازی؛ الگوریتمهای فراابتکاری | ||
آمار تعداد مشاهده مقاله: 280 |