تشخیص بیماری کووید-19 با ترکیب روش های دستی و یادگیری عمیق از روی تصاویر اولتراسوند

بیماری کروناویروس 2019 یا کووید-19، یک بیماری حاد تنفسی با قدرت انتقال ویروس بالا است که موجب نرخ بالای مرگ و میر در سراسر جهان شده است. اگرچه تشخیص سریع این بیماری می تواند نقش حیاتی در بهبود بیمار داشته باشد، اما انجام آزمایش های رادیوگرافی توسط کادر درمان فرآیند زمان بری است. بنابراین، استفاده از تصاویر اولتراسوند و روش های یادگیری عمیق توصیه می شود. تکنیک اولتراسوند بدون اشعه است و می تواند در بخش های اطفال و مراقبت های ویژه برای بیماران خاص مورد استفاده قرار گیرد. با این حال، تصاویر آن دارای نویز است که عملکرد روش های یادگیری عمیق را تحت تاثیر قرار می دهد. به همین منظور، در این مقاله، ما روش الگوی باینری محلی یکنواخت را که در مقابل نویز مقاوم است با روش یادگیری عمیق ترکیب می کنیم. ابتدا الگوی باینری محلی یکنواخت بر روی دو صفحه ی زمانی محاسبه می شود تا ویژگی های مربوط به تظاهرات کووید-19 در تصاویر متوالی اولتراسوند استخراج شود و سپس، ماتریس به دست آمده به عنوان ورودی شبکه ی کانولوشنی داده می شود. با توجه به آزمایش های انجام شده، روش پیشنهادی عملکرد بهتری در مقایسه با سایر روش های پیشرفته دارد. نتایج نشان می دهد که دقت شناسایی کووید-19 از روی داده های اولتراسوند با استفاده از روش پیشنهادی 98.5 درصد است.