اشترك بالحزمة الذهبية واحصل على وصول غير محدود شمرا أكاديميا
تسجيل مستخدم جديدتشخيص الإصابة بفيروس Covid-19 باستخدام خوارزميات التصنيف بالاعتماد على سمات الصور الشعاعية
1158
1 0
0.0
(
0
)
تأليف
م.حلا عرب( باحث )
تمت اﻹضافة من قبل
حلا عرب
اسأل ChatGPT حول البحث
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
مراجعة الذكاء الصنعي:
ملخص البحث
يتناول البحث المقدم من جامعة حلب، كلية الهندسة الكهربائية والإلكترونية، قسم هندسة الحواسيب، موضوع تشخيص الإصابة بفيروس COVID-19 باستخدام خوارزميات التصنيف بالاعتماد على سمات الصور الشعاعية. يهدف البحث إلى تطوير نموذج يعتمد على التعلم العميق لتصنيف الصور الشعاعية للمرضى وتحديد ما إذا كانوا مصابين بفيروس COVID-19 أم لا، وذلك بهدف التشخيص السريع والحد من انتشار المرض. تم استعراض العديد من الدراسات السابقة التي استخدمت تقنيات مختلفة مثل الشبكات العصبية التلافيفية (CNN) والشبكات العصبية العميقة (DNN) وشبكات الخصومة التوليدية (GAN) وغيرها. تم بناء النموذج المقترح باستخدام شبكة CNN وتدريبه على مجموعة بيانات مكونة من صور شعاعية للصدر. أظهرت النتائج أن النموذج المقترح حقق دقة تصنيف عالية تصل إلى 96.46%.
قراءة نقدية
دراسة نقدية: يعتبر البحث المقدم خطوة مهمة في مجال تشخيص الأمراض باستخدام تقنيات التعلم العميق، إلا أنه يمكن الإشارة إلى بعض النقاط التي قد تحتاج إلى تحسين. أولاً، على الرغم من أن النتائج كانت مشجعة، إلا أن حجم مجموعة البيانات المستخدمة في التدريب قد يكون غير كافٍ للحصول على نموذج عام يمكنه التعامل مع بيانات جديدة بشكل فعال. ثانياً، لم يتم التطرق بشكل كافٍ إلى كيفية التعامل مع البيانات غير المتوازنة، حيث يمكن أن تؤثر هذه المشكلة على دقة النموذج. ثالثاً، كان من الممكن تقديم مقارنة أكثر تفصيلاً بين أداء النموذج المقترح والنماذج الأخرى الموجودة في الأدبيات العلمية. وأخيراً، يجب النظر في إمكانية تطبيق النموذج في بيئات سريرية حقيقية لضمان فعاليته وسهولة استخدامه من قبل الأطباء.
أسئلة حول البحث
-
ما الهدف الرئيسي من البحث؟
الهدف الرئيسي من البحث هو تطوير نموذج يعتمد على التعلم العميق لتصنيف الصور الشعاعية للمرضى وتحديد ما إذا كانوا مصابين بفيروس COVID-19 أم لا، وذلك بهدف التشخيص السريع والحد من انتشار المرض.
-
ما هي التقنيات المستخدمة في البحث لتشخيص الإصابة بفيروس COVID-19؟
تم استخدام تقنيات التعلم العميق مثل الشبكات العصبية التلافيفية (CNN) والشبكات العصبية العميقة (DNN) وشبكات الخصومة التوليدية (GAN) لتشخيص الإصابة بفيروس COVID-19.
-
ما هي دقة النموذج المقترح في تصنيف الصور الشعاعية؟
حقق النموذج المقترح دقة تصنيف تصل إلى 96.46% في تصنيف الصور الشعاعية للمرضى.
-
ما هي النقاط التي يمكن تحسينها في البحث؟
يمكن تحسين البحث من خلال زيادة حجم مجموعة البيانات المستخدمة في التدريب، التعامل مع البيانات غير المتوازنة، تقديم مقارنة أكثر تفصيلاً بين أداء النموذج المقترح والنماذج الأخرى، والنظر في إمكانية تطبيق النموذج في بيئات سريرية حقيقية.
المراجع المستخدمة
Kishore Medhi, Md Jamil, Md Iftekar Hussain “ Automatic Detection of COVID-19 Infection from Chest X-ray using Deep Learning”.Date: 4 May 2020
قيم البحث
اقرأ أيضاً
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 .
بصرف النظر عن نجاح نهج تعلم النطاق المختلط في مجال التعلم العميق لحل المهام المختلفة لمعالجة اللغة الطبيعية، فإنه لا يقرض حل جماعيا للكشف عن المعلومات الخاطئة من بيانات وسائل التواصل الاجتماعي CovID-19. نظرا للتعقيد المتأصل من هذا النوع من البيانات،
الناجمة عن ديناميك (سياقه يتطور بسرعة)، ذات الطابع الدقيق (أنواع الخائن غير غامضة في كثير من الأحيان)، ومتنوعة (الفئات المنحيحة، المحبوسة والتداخل) الطبيعة، من الضروري نموذج فعال لالتقاط كل من السياق المحلي والعالمي للمجال المستهدف. من خلال إجراء تحقيق منهجي، نظهر أن: (1) النماذج المدربة مسبقا مسبقا للمحولات العميقة، المستخدمة عبر تعلم نقل المجال المختلط، جيدة فقط في التقاط السياق المحلي، وبالتالي تظهر تعميم ضعيف، و (2) يمكن أن يستخرج مزيج من النماذج الضحلة المستندة إلى الشبكة والشبكات العصبية التنافسية السياق محليا بالإضافة إلى السياق بشكل فعال بالإضافة إلى البيانات المستهدفة بطريقة هرمية بطريقة هرمية، مما يتيح من تقديم حل أكثر تعميما.
نحن نحقق في تنبؤات الكراهية المضادة للآسيوية بين مستخدمي Twitter في جميع أنحاء Covid-19.مع ظهور كره الأجانب والاستقطاب الذي رافق استخدام وسائل التواصل الاجتماعي الواسع النطاق في العديد من الدول، أصبحت الكراهية عبر الإنترنت قضية اجتماعية كبرى، وجذب ال
عديد من الباحثين.هنا، نطبق تقنيات معالجة اللغة الطبيعية لتوصيف مستخدمي وسائل التواصل الاجتماعي الذين بدأوا في نشر رسائل الكراهية المضادة للآسيوية خلال CovID-19.قارننا مجموعتين من المستخدمين --- أولئك الذين نشروا من المضادة للآسيا وأولئك الذين لم يفعلوا - فيما يتعلق بمجموعة غنية من الميزات المقاسة بالبيانات قبل CovID-19 وإظهار أنه من الممكن التنبؤ الذي في وقت لاحقنشرت المناهضة للآسيا.يؤكد تحليلنا للميزات التنبؤية على التأثير المحتمل لوسائط الإعلام وإعلام المعلومات التي تبلغ عن الكراهية عبر الإنترنت وتدعو إلى مزيد من التحقيق في دور شبكات الاتصالات الاستقطابية وسائط الإعلام.
تم التقصي عن الإصابة بفيروس تدهور الحمضيات (التريستيزا) في 14 بستاناً في مناطق مختلفة في محافظة طرطوس في الساحل السوري خلال ربيع عام 2012، حيث تم خلال عمليات المسح جمع 691 عينة من أصناف مختلفة، تحمل معظمها أعراضاً شبيهة بالأعراض التي تسببها الأمراض ا
لفيروسية (تقزم، اصفرار، موزاييك، تدهور سريع، شفافية العروق، أوراق قميّة على شكل القارب أو الملعقة)، و بعضها لا تحمل أعراض إصابة ظاهرية نظراً لاحتمال وجود إصابات كامنة. فُحصت العينات باستخدام اختبار البصمة النسيجية المناعية (TBIA) و تبين أن نسبة الإصابة بالفيروس في العينات المختبرة بلغت 34.15%، و سُجل وجود الفيروس في جميع مناطق الدراسة بنسب متفاوتة، و بلغت أعلى نسبة في العينات التي جمعت من موقع الحميدية (62.50 %)، بينما كانت أقل نسبة في مشتل تالين الزراعي (10%). و كانت أعلى نسبة إصابة في العينات التي جمعت من صنف البرتقال البلدي (%41.43)، و لم تسجل إصابات في العينات التي جمعت من صنف المندلينا.
سجل دخول لتتمكن من نشر تعليقات
التعليقات
جاري جلب التعليقات
سجل دخول لتتمكن من متابعة معايير البحث التي قمت باختيارها
