![]() | Only 14 pages are availabe for public view |
Abstract تسببت جائحة كوفيد-19 في العديد من الآثار الضارة على الرعاية الصحية للبشرية؛ وتعرضت سلامة حياتهم للتهديد، وكذلك الاقتصاد في جميع أنحاء العالم. كان تفاعل البوليميراز المتسلسل بالنسخ العكسي (RT-PCR) وسيلة حيوية لتحديد فيروس كورونا، لكن حساسيته كانت دقيقة بنسبة 71٪ فقط. ولهذه الأسباب، استخدم الباحثون تقنيات التصوير مثل صور CXR وCT جنبًا إلى جنب مع تقنيات التعلم العميق للكشف الدقيق عن كوفيد-19 في رئة المريض. في هذه الدراسة، نستخدم تقنيات التعلم الجماعي المكدس لتحديد مرض كوفيد-19 في الصدر باستخدام صور CXR. يتكون إطارنا المقترح من مرحلتين: النموذج الأول، ويسمى النموذج الأساسي، والمرحلة الثانية، ويسمى نموذج المتعلم الفوقي. النماذج الأساسية عبارة عن ثلاثة نماذج للتعلم العميق تم تدريبها مسبقًا مثل Vgg-19 وResNet-152 وDenseNet-201، والتي تم دمج ميزاتها في نموذج المتعلم التعريفي، والذي يتنبأ بالتنبؤ الأمثل لمقاييس الأداء بشكل أفضل من النماذج الأساسية الأخرى . المتعلم التعريفي الخاص بنا هو نموذج مجمع مكدس، وهو عبارة عن انحدار خطي متبوعًا بوظيفة تنشيط RELU. نقوم بجمع قاعدة البيانات الخاصة بنا من أربعة مستودعات على موقع Kaggle، والتي تستخدم للتدريب والاختبار، وخصوصية هذه المواقع عامة، حتى نتمكن من الوصول إليها بسهولة. تتكون مجموعات البيانات المجمعة هذه من حوالي 11100 صورة لكوفيد-19، والصورة الطبيعية، والالتهاب الرئوي، وهي مقسمة إلى مجموعة تدريب ومجموعة اختبار. يتم استخدام أربعة أدوات تحسين مختلفة لزيادة الدقة، مثل أدوات تحسين SGD وASGD وAdaGrad وAdam. يتفوق نموذجنا في تصنيف الصور إلى فئات كوفيد-19، والعادية، والالتهاب الرئوي، وقد حقق نموذجنا المقترح مع مُحسِّن SGD أعلى دقة مقارنة بأدوات التحسين الأخرى، بدقة تبلغ حوالي 100%. |