Subscribe to the gold package and get unlimited access to Shamra Academy
Register a new userتشخيص الإصابة بفيروس Covid-19 باستخدام خوارزميات التصنيف بالاعتماد على سمات الصور الشعاعية
1033
1 0
0.0
(
0
)
Added by
University of Aleppo حلقة بحث
Publication date
2020
fields
Computer Engineering
and research's language is
العربية
Authors
م.حلا عرب( باحث )
Created by
حلا عرب
Ask ChatGPT about the research
بات مرض كورونا من الأمراض التي تهدد حياتنا اليومية وذلك يعود إلى سرعة المرض الكبيرة وكانت الجهود كلها تصب في الحد من ذلك الانتشار الهائل للفيروس وذلك عن طريق التشخيص السريع للمرضى واتخاذ الاحتياطات اللازمة بعد ذلك. هذا فرض علينا البحث عن أساليب مجدية و سريعة لتشخيص المرض والحد من انتشاره والوصول إلى حلول تقنية مفيدة باستخدام التعلم العميق وذلك من خلال بناء نموذج يساعد على تصنيف الصور الشعاعية للمرضى هل هم أشخاص أصحاء أم مصابين وبالتالي القدرة على تشخيص المرض بشكل أسرع لقد استخدمنا نموذج قائم على التعلم العميق وهو شبكة عصبية تلافيفة لمساعدة أخصائي الأشعة على تشخيص وتحديد الإصابة أو نفيها تلقائيا من الصور الشعاعية وقد حقق النموذج دقة تصنيف مقدارها 96.46 في المئة
No English abstract
References used
Kishore Medhi, Md Jamil, Md Iftekar Hussain “ Automatic Detection of COVID-19 Infection from Chest X-ray using Deep Learning”.Date: 4 May 2020
rate research
Read More
ونتيجة تفشي covid-19 بشكل هائل حول العالم وتزايد عدد الإصابات والوفيات بسببه كان له الأثر الكبير في ضرورة البحث عن أساليب سريعة لتشخيص covid-19.
فتم إيجاد الحلول التقنية الأمثلية باستخدام التعلم العميق من خلال بناء نموذج يساعد على استخلاص السمات الأ
مثلية من الصور الشعاعية والتي بدورها تدخل إلى مصنفات ويتم تصنيفها بشكل أسرع إلى أشخاص مصابة أم طبيعية.
وهذا يساعد في الحد من انتشاره عن طريق اتخاذ الإجراءات اللازمة مع الأشخاص المصابين وعزلهم عن الأشخاص الآخرين.
لقد استخدمنا نموذج CNN يساعد في استخلاص السمات من الصور الشعاعية الصدرية X-Ray ومن ثم إدخال تلك السمات إلى مصنفات لتشخيص المرض بحالتيه الإيجابية والسلبية والغاية من ذلك مساعدة المؤسسات الصحية في السرعة بتشخيص المرض واتخاذ التدابير اللازمة بعد ذلك.
هدفنا من خلال هذه الدراسة في إطار المشروع الفصلي للسنة الرابعة إلى إلقاء الضوء على استرجاع الصور من مجموعة كبيرة بالاعتماد على محتوى صورة هدف , و قمنا بتدعيم هذه الدراسة بتطبيق ضمن بيئة الماتلاب لبرنامج بحث عن الصور المشابهة لصورة مدخلة .
و قد تركز
بحثنا على ميزتين هامتين يكاد لا يخلو منها أي نظام بحث عن الصور بالاعتماد على المحتوى و هما ميزتي الهيستوغرام اللوني و بنية الصورة texture , ووضحنا الخطوات التي يتم في ضوئها عملية الاسترجاع بدءاً من تحليل الصورة و استخلاص شعاع الواصفات الخاص فيها , و مطابقته مع أشعة الميزات الخاصة بالصور الموجودة في قاعدة البيانات ليتم ترتيب الصور بحسب مدى تشابهها من الصورة الهدف .
و تطرقت الدراسة إلى استخدام الفضاء اللوني HMMD كبديل للفضاء اللوني RGB لاستخراج واصفات البنية اللونية على اعتبار أنه نموذج لوني موجه بالمستخدم user oriented و بالتالي نضمن أن نحصل على نتائج أفضل ترضي المستخدم .
وقمنا بتدعيم الدراسة بعدد من الأشكال و الأمثلة و المخططات التي توضح محتوى الدراسة النظرية و ما قمنا بعمله في التطبيق ضمن بيئة الماتلاب .
Irrespective of the success of the deep learning-based mixed-domain transfer learning approach for solving various Natural Language Processing tasks, it does not lend a generalizable solution for detecting misinformation from COVID-19 social media da
ta. Due to the inherent complexity of this type of data, caused by its dynamic (context evolves rapidly), nuanced (misinformation types are often ambiguous), and diverse (skewed, fine-grained, and overlapping categories) nature, it is imperative for an effective model to capture both the local and global context of the target domain. By conducting a systematic investigation, we show that: (i) the deep Transformer-based pre-trained models, utilized via the mixed-domain transfer learning, are only good at capturing the local context, thus exhibits poor generalization, and (ii) a combination of shallow network-based domain-specific models and convolutional neural networks can efficiently extract local as well as global context directly from the target data in a hierarchical fashion, enabling it to offer a more generalizable solution.
We investigate predictors of anti-Asian hate among Twitter users throughout COVID-19. With the rise of xenophobia and polarization that has accompanied widespread social media usage in many nations, online hate has become a major social issue, attrac
ting many researchers. Here, we apply natural language processing techniques to characterize social media users who began to post anti-Asian hate messages during COVID-19. We compare two user groups---those who posted anti-Asian slurs and those who did not---with respect to a rich set of features measured with data prior to COVID-19 and show that it is possible to predict who later publicly posted anti-Asian slurs. Our analysis of predictive features underlines the potential impact of news media and information sources that report on online hate and calls for further investigation into the role of polarized communication networks and news media.
A survey of infection by Citrus tristeza virus (CTV) was conducted during a visit to 14 citrus orchards in different regions in Tartous governorate in the Syrian Coast during the spring of 2012. We collected a total of /691/ samples of different vari
eties. Most of the samples were collected from plants with symptoms similar to symptoms caused by viral diseases (dwarfing, yellowing, mosaic, quick- decline, vein clearing, boat or spoon-shaped leaves), while other samples did not carry such symptoms due to the possible presence of latent infections. The samples were tested by using Tissue Blot immunoassay (TBIA). The Results showed that the rate of infection by CTV was 34.15% in the tested samples and the distribution of CTV in citrus orchards was by various ratios. The highest percentage of infection was detected in AL- Hamidiah (62.50%), whereas the lowest infection percentage detected was in Talin nursery (10%). Common orange Balady was the most infected by Citrus tristeza virus (41.43%). No virus infection was recorded in Mandalina samples.
Log in to be able to interact and post comments
comments
Fetching comments
Sign in to be able to follow your search criteria
