اخبار آنلاین روزنامه ایران (ایران آنلاین) وابسته به موسسه فرهنگی و مطبوعاتی ایران

  • پنج شنبه ۲۹ اردیبهشت ۱۴۰۱
اخبار آنلاین روزنامه ایران (ایران آنلاین) وابسته به موسسه فرهنگی و مطبوعاتی ایران
توسط پژوهشگران ایرانی انجام شد

تشخیص سریع کرونا با الگوریتم یادگیری عمیق

تشخیص سریع کرونا با الگوریتم یادگیری عمیق

پژوهشگران دانشگاه علوم پزشکی شهید بهشتی با استفاده از الگوریتم‌های یادگیری عمیق سیستمی برای تفسیر تصاویر سی‌تی اسکن بیماران مبتلا به بیماری‌های ریوی و تشخیص سریع کووید-۱۹ طراحی کردند.

با توجه به همه‌گیری بیماری کووید-۱۹، داشتن ابزارهای دقیق و آنی برای تشخیص بیماری ضروری است. تصاویر سی‌تی اسکن به‌عنوان روش تشخیصی، به تنهایی در تشخیص بیماری کووید-۱۹ عملکرد بالایی ندارد و بر اساس پروتکل‌های تشخیصی باید همراه با تست PCR باشد و نمی‌توان برای تشخیص بیماری کووید-۱۹ تنها از تصاویر سی تی اسکن استفاده کرد.

برای حل این مشکل می‌توان با استفاده از روش‌های یادگیری عمیق عملکرد تصاویر سی تی اسکن را ارتقا داد و با طراحی سیستمی مبتنی بر یادگیری عمیق به‌صورت کاملا خودکار، تصاویر رادیولوژی بیماری کووید-۱۹ را از تصاویر دیگر پنومونی‌ها، با دقت بالایی تشخیص داد.

در این سیستم با ارائه یک الگوریتم، میزان درگیری ریه در بیماری‌های ریوی استخراج و همراه با نتیجه تعیین‌کننده تشخیص ابتلا به کووید-۱۹ به‌عنوان خروجی سیستم به کاربر عرضه می‌شود. این سیستم از الگوریتم‌های متنوعی برای تشخیص بیماری کووید-۱۹ استفاده می‌کند و در نهایت کاراترین الگوریتم در تشخیص موارد مثبت و غیر مثبت مبتلا به کووید-۱۹ انتخاب می‌شود.

پژوهشگران دانشگاه علوم پزشکی شهید بهشتی، با طراحی یک سیستم تشخیص کووید-۱۹، با استفاده از الگوریتم یادگیری عمیق توانستند سیستم تشخیص اتوماتیک با دقت ۹۹.۶ طراحی کنند. این سیستم دارای ویژگی‌هایی است که ضایعه درگیر ریه را استخراج و قطعه‌بندی کرده و سپس حجم ضایعه درگیر ریوی را در قالب اعداد به متخصص بالینی اعلام می‌کند.

بررسی‌های این مطالعه در خصوص این سیستم نشان داد که درجه صحت و حساسیت آن به ترتیب برابر با، ۹۹.۹، ۹۸.۷ است. این سیستم قادر است خطای تشخیصی تصاویر سی‌تی اسکن در تشخیص بیماران کووید-۱۹ را کاهش دهد و همچنین بدون اتلاف وقت، در روز تصاویر زیادی را تفسیر کرده و میزان درگیری ریوی را به متخصص رادیولوژی ارایه دهد.

پژوهشگران این مطالعه معتقدند که این سیستم‌ها در موارد بحرانی و همه‌گیری بیماری‌ها می‌توانند در کمترین زمان تصاویر مبتلایان را تفسیر و اطلاعات بیشتر در اختیارمتخصص بالینی قرار دهند.

نتایج این پروژه تحقیقاتی با عنوان «سیستم تشخیص اتوماتیک بیماری کوید19 براساس تصاویر CT-Scan با استفاده از یادگیری عمیق» در پایگاه نتایج پژوهش‌های 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 از طریق 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

کپی