تشخیص کووید-19 در تصاویر اشعه ایکس قفسه سینه با استفاده از یادگیری عمیق

ویروس کووید-19 که باعث عفونت در دستگاه تنفسی فوقانی و ریه‌ها می‌شود، میلیون‌ها نفر را به کام مرگ کشانده است. یکی از رایج‌ترین راه‌های تشخیص بیماری کرونا، از طریق نمونه‌های گرفته‌شده از سواب‌های بینی و حلق، تحت آزمایشی با عنوان واکنش زنجیره‌ای پلیمراز ترانس‌کریپتاز معکوس است که زمان نتایج و هزینه این آزمایش‌ها بالا است؛ بنابراین ابزارهای تشخیص سریع و قابل دسترس دیگری مورد نیاز است. با الهام از تحقیقات اخیر که وجود کووید-19 را با یافته‌های موجود در تصاویر اشعه ایکس قفسه سینه مرتبط می‌کند، رویکرد این مقاله از مدل یادگیری عمیق موجود برای پردازش این تصاویر و دسته‌بندی آن‌ها به موارد مثبت و منفی کووید-19 استفاده می‌کند. در این مقاله، از مجموعه تصاویر اشعه ایکس قفسه سینه شامل 12802 تصویر مثبت با مشکل کووید-19 و 4610 تصویر منفی که مشکل کووید-19 ندارند، استفاده می‌شود. پیش‌پردازش برای یکسان‌کردن اندازه تصاویر انجام می‌شود و جهت آموزش و یادگیری از معماری‌های‌ vgg16 و vgg19 استفاده می‌شوند. در نتایج تشخیص کووید-19، مقدار صحت برای تصاویر آزمون مدل vgg16 مقدار 0/8274 و برای تصاویر آزمون مدل vgg19 مقدار 0/8996 به دست آمده‌اند که برتری مدل vgg19 را نشان می‌دهد.

detection of covid-19 in chest x-ray images using deep learning

the covid-19 virus, which causes an infection in the upper respiratory tract and lungs, has killed millions of people. one of the most common ways to diagnose corona disease is through samples taken from nose and throat swabs, under a test called reverse transcription polymerase chain reaction, result times and cost of these tests are high; so, other fast and accessible diagnostic tools are needed. inspired by recent research that correlates the presence of covid-19 to findings in chest x-ray images, this paper s approach uses existing deep learning models to process images and classify them as positive or negative for covid-19. in this paper, a dataset of chest x-ray images uses 12802 images for covid-19 positive cases and 4610 images for covid-19 negative cases. preprocessing is done to uniform the size of the images, and vgg16 and vgg19 architectures are used for training and learning. in the results of covid-19 detection, the accuracy value for the vgg16 model test images is 0.8274 and for the vgg19 model test images, the value is 0.8996, which shows the superiority of the vgg19 model