مدل یادگیری مبتنی بر مبدل بینایی، رمزنگار خودکار و ماشین بردار پشتیبان برای تشخیص بیماری کووید-19 با استفاده از تصاویر x-ray

گسترش همه‌گیری بیماری کووید-19 و استفاده از الگوریتم‌های یادگیری ماشین برای مسائل گوناگون، سبب شده است که تحقیقات فراوانی در زمینه‌های تشخیص و پیش‌بینی بیماری مذکور صورت پذیرد. همچنین، به دنبال پیشرفت سخت‌افزارهای کامپیوتری و گسترش مجموعه داده‌های منبع-باز، بکارگیری شبکه‌های عصبی برای حل مسائل مدلسازی و کاهش ابعاد را شاهد می‌باشیم. در پژوهش جاری، چارچوبی مبتنی بر مبدل بینایی، رمزنگار خودکار و ماشین بردار پشتیبان با هدف تشخیص بیماری کووید-19 بر مبنای تصاویر x-ray قفسه‌ی سینه معرفی خواهد شد که به میزان دقت 99.82% بر روی مجموعه داده‌ی هدف، دست یافته است.

learning model based on the vision transformer, automatic encoder, and support vector machine for diagnosis of covid-19 disease using x-ray images

the spread of the covid-19 epidemic and the use of machine learning algorithms for various problems have caused a lot of research to be done in diagnosing and predicting the disease. also, following the development of computer hardware and the expansion of open-source data sets, we see the use of neural networks to solve modeling problems and reduce dimensions. in the current research, a framework based on a vision transformer, automatic encoder, and support vector machine will be introduced with the aim of diagnosing the disease of covid-19 based on chest x-ray images, which has achieved an accuracy of 99.82% on the target data set.