توسط پژوهشگران ایرانی انجام شد
طراحی یك سیستم برای تشخیص زودهنگام بیماری كووید-19
پژوهشگران دانشگاه علوم پزشکی شهید بهشتی با استفاده از الگوریتم های یادگیری عمیق سیستمی برای تفسیر تصاویر سی تی اسکن بیماران مبتلا به بیماری های ریوی و تشخیص زودهنگام کووید-۱۹ طراحی کردند.
به گزارش هوا فضا به نقل از ایسنا، با عنایت به همه گیری بیماری کووید-۱۹، داشتن ابزارهای دقیق و آنی برای تشخیص بیماری ضروری می باشد. تصاویر سی تی اسکن بعنوان روش تشخیصی، به تنهایی در تشخیص بیماری کووید-۱۹ عملکرد بالایی ندارد و بر مبنای پروتکلهای تشخیصی باید همراه با تست PCR باشد و نمی توان برای تشخیص بیماری کووید-۱۹ تنها از تصاویر سی تی اسکن بهره برد.
برای حل این مشکل میتوان با استفاده از روش های یادگیری عمیق عملکرد تصاویر سی تی اسکن را ارتقا داد و با طراحی سیستمی مبتنی بر یادگیری عمیق به صورت کاملا خودکار، تصاویر رادیولوژی بیماری کووید-۱۹ را از تصاویر دیگر پنومونی ها، با دقت بالایی تشخیص داد.
در این سیستم با عرضه یک الگوریتم، میزان درگیری ریه در بیماری های ریوی استخراج و همراه با نتیجه تعیین کننده تشخیص مبتلا شدن به کووید-۱۹ بعنوان خروجی سیستم به کاربر عرضه می شود. این سیستم از الگوریتم های متنوعی برای تشخیص بیماری کووید-۱۹ استفاده می نماید و در نهایت کاراترین الگوریتم در تشخیص موارد مثبت و غیر مثبت مبتلا به کووید-۱۹ انتخاب می شود.
پژوهشگران دانشگاه علوم پزشکی شهید بهشتی، با طراحی یک سیستم تشخیص کووید-۱۹، با استفاده از الگوریتم یادگیری عمیق توانستند سیستم تشخیص اتوماتیک با دقت ۹۹.۶ طراحی نمایند. این سیستم دارای خصوصیت هایی است که ضایعه درگیر ریه را استخراج و قطعه بندی کرده و سپس حجم ضایعه درگیر ریوی را در چارچوب اعداد به متخصص بالینی اعلام می کند.
بررسی های این مطالعه در مورد این سیستم نشان داد که درجه صحت و حساسیت آن به ترتیب برابر با، ۹۹.۹، ۹۸.۷ است. این سیستم می تواند خطای تشخیصی تصاویر سی تی اسکن در تشخیص بیماران کووید-۱۹ را کم کند و همینطور بدون اتلاف وقت، در روز تصاویر زیادی را تفسیر کرده و میزان درگیری ریوی را به متخصص رادیولوژی ارائه دهد.
پژوهشگران این مطالعه معتقدند که این سیستم ها در موارد بحرانی و همه گیری بیماری ها می توانند در کمترین زمان تصاویر مبتلایان را تفسیر و اطلاعات بیشتر در اختیارمتخصص بالینی قرار دهند.
نتایج این پروژه تحقیقاتی با عنوان «سیستم تشخیص اتوماتیک بیماری کوید19 برپایه تصاویر CT-Scan با استفاده از یادگیری عمیق» در پایگاه نتایج پژوهش های سلامت کشور انتشار یافته و فرخنده اسدی، مصطفی قادرزاده، داود بشاش آلانق و حسن ابوالقاسمی از دانشگاه علوم پزشکی هید بهشتی در انجام آن مشارکت داشتند.
مقاله حاصل این پروژه تحقیقاتی از راه لینک زیر قابل دسترسی است:
Deep Convolutional Neural Network–Based Computer-Aided Detection System for COVID-19 Using Multiple Lung Scans: Design and Implementation Study
منبع: هوا فضا
این مطلب را می پسندید؟
(0)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب