| LEADER |
05323nam a22002297a 4500 |
| 001 |
2232578 |
| 041 |
|
|
|a ara
|
| 044 |
|
|
|b ليبيا
|
| 100 |
|
|
|9 790107
|a أبو راس، أحمد عبدالله
|e مؤلف
|
| 245 |
|
|
|a استخدام الذكاء الاصطناعي في تصنيف صور "Chest X-Ray" لاكتشاف الإصابة بمرض COVID-19
|
| 260 |
|
|
|b جامعة المرقب - كلية التربية بالخمس
|c 2024
|g يوليو
|
| 300 |
|
|
|a 75 - 99
|
| 336 |
|
|
|a بحوث ومقالات
|b Article
|
| 520 |
|
|
|a ترك الانتشار العالمي المستمر والسريع لمرض COVID-19 المنسوب إلى فيروس كورونا المستجد (SARS-CoV-2) علامة لا تمحى على أنظمة الصحة العامة في جميع أنحاء العالم، ومع استمرار الانتشار السريع للفيروس أصبحت طرق التشخيص التقليدية المتمثلة في استخدام جهاز(RT-PCR) غير عملية، حيث تستغرق وقتا طويلا بالإضافة إلى تكلفتها المرتفعة، ومن هنا أصبحنا بحاجة ماسة إلى التشخيص الدقيق والمبكر للمرض من خلال تصميم نظام تشخيص إلى يمكن أن يوفر قرارا سريعا ويقلل بشكل كبير من الأخطاء البشرية في عملية التشخيص. أصبحت صور الأشعة السينية للصدر إلى جانب الذكاء الاصطناعي(AI) ولاسيما خوارزميات التعلم العميق (DL) خيارا جيدا للفحص المبكر الفعال والسريع عن مرض COVID-19، في هذا البحث يتم تقديم آلياتDL لاكتشاف ما إذا كانت صور الأشعة السينية للصدر تحتوي على مرض COVID-19 أم لا من خلال تشخيص صور الأشعة السينية للصدر بهذه الآليات. تعد النتائج المتحصل عليها من هذا البحث دليلا على الإمكانيات الكبيرة لهذه الآليات، حيث تم برمجة هذا البحث بلغة البايثون مستفيدين من منصة Google Colab لتنفيذ هذا العمل، حيث تم تصميم نموذجين باستخدام (CNN) يحتوي كل منهما على 10، و16 طبقة على التوالي مع استخدام مجموعة من الصور (للتدريب والاختبار) عددها 848 صورة، منها 554 صورة مصابة ب COVID-19 و294 صورة غير مصابة (طبيعية)، وقد تم تحقيق دقة بنسبة % 96، و% 98 بعدد 20، (Epoches) 30 لعملية التدريب على التوالي. يقدم هذا البحث أحد الحلول العملية التي يسهل الوصول إليها في مكافحة الوباء، حيث يساهم بشكل مهم وفعال في مساعدة الكوادر الطبية في اكتشاف وتشخيص هذا المرض بالدقة والسرعة المطلوبة.
|b The ongoing and rapid global spread of COVID-19, attributed to the novel coronavirus (SARS-CoV-2), has left an indelible mark on public health systems worldwide. With the continued rapid spread of the virus, traditional diagnostic methods, such as using the RT-PCR device, have become impractical. These methods are timeconsuming and costly. Consequently, there is an urgent need for accurate and early disease diagnosis through the design of an automated diagnostic system that can provide rapid results and significantly reduce human errors in the diagnostic process. Chest X-ray images, alongside artificial intelligence (AI) and specifically deep learning (DL) algorithms, have become a good option for efficient and rapid early detection of COVID-19 disease. This research presents the mechanisms of DL for detecting whether chest X ray images contain COVID-19 or not, by diagnosing chest X-ray images using these mechanisms. The results obtained from this research serve as evidence of the significant capabilities of these mechanisms. The research was programmed using the Python language and utilized the Google Colab platform for execution. Three models were designed using CNN, consisting of 10, and 16 layers respectively, with a dataset of 848 images for training and testing the models. This dataset comprised 554 COVID 19 infected images and 294 non-infected (normal) images. Accuracy rates of 96%, and 98% were achieved after 20, and 30 epochs of training, respectively. This research provides a practical solution that is easily accessible in the fight against the pandemic. It contributes significantly and effectively to assisting medical professionals in the accurate and timely detection and diagnosis of this disease
|
| 653 |
|
|
|a جائحة كورونا "كوفيد-19"
|a الذكاء الاصطناعي
|a الأشعة السينية
|a الرعاية الصحية
|
| 700 |
|
|
|9 790109
|a الحوات، أحمد رمضان
|e م. مشارك
|
| 700 |
|
|
|9 790111
|a المرادي، حسام محمد
|e م. مشارك
|
| 773 |
|
|
|4 التربية والتعليم
|6 Education & Educational Research
|c 005
|l 025
|m ع25
|o 1568
|s مجلة التربوي
|t Educational Journal
|v 000
|x 2011-421X
|
| 856 |
|
|
|u 1568-000-025-005.pdf
|
| 930 |
|
|
|d y
|p y
|q n
|
| 995 |
|
|
|a EduSearch
|
| 999 |
|
|
|c 1489101
|d 1489101
|
