ارسل ملاحظاتك

ارسل ملاحظاتك لنا







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)
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:
صورة الغلاف QR قانون

عدد مرات التحميل

34

حفظ في:
LEADER 05447nam a2200349 4500
001 2011695
041 |a eng 
100 |9 671645  |a مقدادي، محمد إبراھیم  |e مؤلف  |g Megdadi, Mohammad Ebrahim 
245 |a Covid-19 Infection Detection and Recognition Based on X-Ray Image with both Machine & Deep Learning 
246 |a كشف وتمييز عدوى كوفيد-19 اعتمادا على صورة الأشعة السينية باستخدام كل من التعلم الآلي والتعلم العميق 
260 |a إربد  |c 2021 
300 |a 1 - 79 
336 |a رسائل جامعية 
502 |b رسالة ماجستير  |c جامعة اليرموك  |f كلية تكنولوجيا المعلومات وعلوم الحاسوب  |g الاردن  |o 0143 
520 |a 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%. 
653 |a فيروس الكورونا "كوفيد 19"  |a الأشعة السينية  |a التعلم الآلي  |a الالتهاب الرئوي  |a منظمة الصحة العالمية  |a الذكاء الاصطناعي 
700 |9 671649  |a نھار، خالد محمد  |e مشرف  |g Nahar, Khalid M.O. 
700 |a الشناق، معاویة عبدالله  |g Al-Shannaq, Moyawiah A.  |e مشرف  |9 671650 
856 |u 9802-003-012-0143-T.pdf  |y صفحة العنوان 
856 |u 9802-003-012-0143-A.pdf  |y المستخلص 
856 |u 9802-003-012-0143-C.pdf  |y قائمة المحتويات 
856 |u 9802-003-012-0143-F.pdf  |y 24 صفحة الأولى 
856 |u 9802-003-012-0143-1.pdf  |y 1 الفصل 
856 |u 9802-003-012-0143-2.pdf  |y 2 الفصل 
856 |u 9802-003-012-0143-3.pdf  |y 3 الفصل 
856 |u 9802-003-012-0143-4.pdf  |y 4 الفصل 
856 |u 9802-003-012-0143-5.pdf  |y 5 الفصل 
856 |u 9802-003-012-0143-R.pdf  |y المصادر والمراجع 
856 |u 9802-003-012-0143-S.pdf  |y الملاحق 
930 |d y 
995 |a Dissertations 
999 |c 1259959  |d 1259959 

عناصر مشابهة