|
|
|
|
مقایسه روش‌های یادگیری ماشین با ناظر در پیش بینی مرگ و میر بیماران مبتلا به کووید-19 بستری شده با استفاده از تحلیل تصاویر سی‌تی اسکن ریه
|
|
|
|
|
|
|
|
نویسنده
|
یوسفی نیما ,قوامی وحید ,سالاری مریم ,اخلاقی سعید
|
|
منبع
|
اولين كنفرانس بين المللي دوسالانه هوش مصنوعي و علوم داده - 1403 - دوره : 1 - اولین کنفرانس بین المللی دوسالانه هوش مصنوعی و علوم داده - کد همایش: 03231-85169 - صفحه:0 -0
|
|
چکیده
|
طبق اعلام سازمان بهداشت جهانی، در ژانویه 2023 در سطح جهانی، تعداد مبتلایان کرونا ویروس بیش از 664 میلیون و فوت شدگان بیش از 7/6 میلیون نفر اعلام شد. از جمله راهکارهایی که می توان برای کاهش این میزان مرگ و میر بکار برد، استفاده از مدلهای یادگیری ماشین مبتنی بر روش‌های پردازش تصویر می‌باشد. در این مطالعه ابتدا، استخراج ویژگی‌های تصاویر با استفاده از الگوریتم‌های مختلف انجام پذیرفت. سپس از میان این ویژگی‌ها به کمک مدلهای جنگل تصادفی و رگرسیون لجستیک بهترین آنها در پیش‌بینی مرگ و میر بیماران مبتلا به کووید-19 استفاده شد و در نهایت این مدلها با یکدیگر مقایسه شدند. مقدار شاخص حساسیت مدل رگرسیون لجستیک در یک اعتبارسنجی متقابل طبقه‌ای با 5 دسته، 88/0 گزارش شد. رگرسیون لجستیک در مقایسه با مدل جنگل تصادفی عملکرد بهتری در پیش‌بینی مرگ و میر بیماران مبتلا به کووید-19، دارا بود.
|
|
کلیدواژه
|
یادگیری ماشین با ناظر، پردازش تصویر، تصاویر سی‌تی اسکن، مرگ و میر، بیماری کووید-19
|
|
آدرس
|
, iran, , iran, , iran, , iran
|
|
پست الکترونیکی
|
akhlaghis@mums.ac.ir
|
|
|
|
|
|
|
|
|
|
|
|
|
|
comparison of supervised machine learning methods in predicting the mortality of hospitalized patients with covid-19 using the analysis of lung ct scan images
|
|
|
|
|
Authors
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|