Covid-19 Infection Detection and Recognition Based on X-Ray Image with both Machine & Deep Learning
| العنوان بلغة أخرى: |
كشف وتمييز عدوى كوفيد-19 اعتمادا على صورة الأشعة السينية باستخدام كل من التعلم الآلي والتعلم العميق |
|---|---|
| المؤلف الرئيسي: | مقدادي، محمد إبراھیم (مؤلف) |
| المؤلف الرئيسي (الإنجليزية): | Megdadi, Mohammad Ebrahim |
| مؤلفين آخرين: | نھار، خالد محمد (مشرف) , الشناق، معاویة عبدالله (مشرف) |
| التاريخ الميلادي: |
2021
|
| موقع: | إربد |
| الصفحات: | 1 - 79 |
| رقم MD: | 1259959 |
| نوع المحتوى: | رسائل جامعية |
| اللغة: | الإنجليزية |
| الدرجة العلمية: | رسالة ماجستير |
| الجامعة: | جامعة اليرموك |
| الكلية: | كلية تكنولوجيا المعلومات وعلوم الحاسوب |
| الدولة: | الاردن |
| قواعد المعلومات: | Dissertations |
| مواضيع: | |
| رابط المحتوى: |
عدد مرات التحميل
37
| المستخلص: |
تم الإبلاغ عن مرض فيروس كورونا (COVID-19) لمنظمة الصحة العالمية (WHO) باعتباره مرضا وبائيا تسبب في إصابة الملايين بالعدوى، بما في ذلك العديد من الوفيات في جميع أنحاء العالم. حاليا، يتم تشخيص COVID-19 باستخدام تفاعل البوليمراز المتسلسل للنسخ العكسي (RT-PCR)، وهو مكلف وأقل حساسية ويتطلب كوادر طبية ومهنية مؤهلة. إن أي أداة تكنولوجية يمكن أن تسمح بفحص سريع وعالي الدقة لعدوى COVID-19 ستكون أكثر فائدة وبشكل كبير. يعتبر التصوير بالأشعة السينية طريقة مستخدمة على نطاق واسع ويمكن أن تكون بديلا أفضل لتشخيص COVID-19. في هذه الدراسة، استعرضنا العديد من الطرق والآليات للتحقيق في فعالية الذكاء الاصطناعي (AI) لإنتاج نموذج فعال يساعد في الكشف السريع والدقيق عن مرض COVID-19 ولمساعدة الطبيب في اتخاذ القرارات بسهولة ودقة وبسرعة. لقد قمنا بتصميم وتنفيذ هذا العمل باستخدام خوارزميات التعلم الآلي التقليدية والشبكات العصبية التلافيفية المدربة مسبقا على صور الأشعة السينية للصدر والمصنفة إلى ثلاث فئات COVID-19 والالتهاب الرئوي وغير المصاب والتي حصلنا عليها من دراسات سابقة بالإضافة إلى المستشفيات المحلية في المملكة الأردنية الهاشمية. تم قص الجزء المهم من صور الأشعة السينية المتمثل بالرئتين آليا باستخدام الشبكة العصبية التلافيفية U-net بدقة 96.6%، مما ساهم في تقليل مساحة العمل وتقليل الوقت المستهلك والحصول على دقة تشخيص أعلى. استخدمنا تقنية Contrast limited adaptive histogram equalization (CLAHE) لمعالجة صور الأشعة السينية. قمنا بتنفيذ أربع سيناريوهات في هذه الدراسة بالاعتماد على الميزات المستخرجة، حيث أنه تم استخدام شبكة Squeeze Net لاستخراج 1000 ميزة في العمق، بالإضافة إلى 252 ميزة في المجالات المكانية والترددية. قمنا بضبط المعلمات الفائقة والتعديل على شبكات CNN المدربة مسبقا وقمنا بزيادة مجموعة البيانات لجعل أداء الشبكة المقترحة أفضل والحصول على دقة تشخيص أعلى. لتقليل احتمالية التصنيف الخاطئ، اقترحنا تقنية تصويت جديدة تسمى التصويت المرجح طبقت فقط على الشبكات العصبية التلافيفية (CNNs) المدربة مسبقا والمستخدمة في السيناريو الرابع لأنها تفوقت على السيناريوهات الأخرى بتخطيها حد العتبة المحدد بطريقة إحصائية تسمى الوسيط. أظهر تقييمنا أن النموذج استطاع أن يكتشف حالات COVID-19 والالتهاب الرئوي وغير المصابين بدقة 99.4%. |
|---|
عناصر مشابهة
-
استخدام الذكاء الاصطناعي في تصنيف صور "Chest X-Ray" لاكتشاف الإصابة بمرض COVID-19
بواسطة: أبو راس، أحمد عبدالله منشور: (2024) -
AI-Based Hybrid Model for Detecting Covid-19
بواسطة: خصاونة، راما محمود منشور: (2022) -
Automated X-Ray Image Classification for Covid-19 Diagnosis
بواسطة: عبدالجادر، عبدالله بسام عبدالله منشور: (2021) -
The Arithmetic Optimization Algorithm for Multilevel Thresholding Image Segmentation: A Case Study of Chest X-Ray Images for COVID-19 Cases
بواسطة: جاسم، سيف توفيق منشور: (2021) -
Covid-19 Diagnosis Using Deep Learning
بواسطة: Belbey, Lokmane Haider منشور: (2021)
