تشخیص سریع کرونا با الگوریتم یادگیری عمیق
به گزارش تور ایران، پژوهشگران دانشگاه علوم پزشکی شهید بهشتی با استفاده از الگوریتم های یادگیری عمیق سیستمی برای تفسیر تصاویر سی تی اسکن بیماران مبتلا به بیماری های ریوی و تشخیص سریع کووید-19 طراحی کردند.
با توجه به همه گیری بیماری کووید-19، داشتن ابزارهای دقیق و آنی برای تشخیص بیماری لازم است. تصاویر سی تی اسکن به اسم روش تشخیصی، به تنهایی در تشخیص بیماری کووید-19 عملکرد بالایی ندارد و بر اساس پروتکل های تشخیصی باید همراه با تست PCR باشد و نمی توان برای تشخیص بیماری کووید-19 تنها از تصاویر سی تی اسکن استفاده کرد.
برای حل این مشکل می توان با استفاده از روش های یادگیری عمیق عملکرد تصاویر سی تی اسکن را ارتقا داد و با طراحی سیستمی مبتنی بر یادگیری عمیق به صورت کاملا اتوماتیک، تصاویر رادیولوژی بیماری کووید-19 را از تصاویر دیگر پنومونی ها، با دقت بالایی تشخیص داد.
در این سیستم با ارائه یک الگوریتم، اندازه درگیری ریه در بیماری های ریوی استخراج و همراه با نتیجه مشخص نماینده تشخیص ابتلا به کووید-19 به اسم خروجی سیستم به کاربر عرضه می گردد. این سیستم از الگوریتم های متنوعی برای تشخیص بیماری کووید-19 استفاده می نماید و در نهایت کاراترین الگوریتم در تشخیص موارد مثبت و غیر مثبت مبتلا به کووید-19 انتخاب می گردد.
پژوهشگران دانشگاه علوم پزشکی شهید بهشتی، با طراحی یک سیستم تشخیص کووید-19، با استفاده از الگوریتم یادگیری عمیق توانستند سیستم تشخیص اتوماتیک با دقت 99.6 طراحی نمایند. این سیستم دارای ویژگی هایی است که ضایعه درگیر ریه را استخراج و قطعه بندی نموده و سپس حجم ضایعه درگیر ریوی را در قالب اعداد به متخصص بالینی اعلام می نماید.
آنالیز های این مطالعه در مورد این سیستم نشان داد که درجه صحت و حساسیت آن به ترتیب برابر با، 99.9، 98.7 است. این سیستم قادر است خطای تشخیصی تصاویر سی تی اسکن در تشخیص بیماران کووید-19 را کاهش دهد و بعلاوه بدون اتلاف وقت، در روز تصاویر زیادی را تفسیر نموده و اندازه درگیری ریوی را به متخصص رادیولوژی ارایه دهد.
پژوهشگران این مطالعه معتقدند که این سیستم ها در موارد بحرانی و همه گیری بیماری ها می توانند در کمترین زمان تصاویر مبتلایان را تفسیر و اطلاعات بیشتر در اختیارمتخصص بالینی قرار دهند.
نتایج این پروژه تحقیقاتی با اسم سیستم تشخیص اتوماتیک بیماری کوید19 براساس تصاویر CT-Scan با استفاده از یادگیری عمیق در پایگاه نتایج پژوهش های سلامت کشور منتشر شده و فرخنده اسدی، مصطفی قادرزاده، داود بشاش آلانق و حسن ابوالقاسمی از دانشگاه علوم پزشکی هید بهشتی در انجام آن مشارکت داشتند.
مقاله حاصل این پروژه تحقیقاتی به وسیله لینک زیر قابل دسترسی است:،ایسنا
Deep Convolutional Neural Network-Based Computer-Aided Detection System for COVID-19 Using Multiple Lung Scans: Design and Implementation Study
منبع: ایران آنلاین