CoviX-Net: سامانه مبتنی بر یادگیری عمیق برای تشخیص و تمایز عفونت کوید-19 و ذات الریه در تصاویر رادیوگرافی قفسه سینه

در این پژوهش، سامانه CoviX-Net مبتنی بر یادگیری عمیق برای تشخیص و تمایز بیماری کوید-19 و انواع ذات الریه از روی تصاویر رادیوگرافی سینه ارایه می شود. معماری مدل یادگیری CoviX-Net، بر اساس معماری اکسپشن چند لایه و متناسب با کاربرد مورد هدف طراحی شده است. در این سامانه، از یادگیری انتقالی برای رفع مشکل کمبود داده آموزشی استفاده می شود. همچنین برای فراهم نمودن داده آموزشی کافی، یک پایگاه تصاویر جامع با بهره گیری مناسب از دو منبع مختلف از تصاویر قفسه سینه ایجاد شده است. برای جلوگیری از مشکل بیش برازش، فنون افزایش داده، تنزل وزن و تنظیم کننده های L2 استفاده شده است. نتایج ارزیابی ها نشان می دهد دقت CoviX-Net در حالت سه طبقه (کوید-19، ذات الریه و ریه طبیعی) %25/99، و در حالت چهار طبقه (کوید-19، ذات الریه باکتریایی، ذات الریه ویروسی و ریه طبیعی) %95 است که در مقایسه با دیگر روش های طبقه بندی مبتنی بر یادگیری عمیق با ساختار مشابه، بهبود دقت %5 و در مقایسه با روش مبتنی بر یادگیری عمیق انتقالی موازی، با ساختار پیچیده، بهبود دقت حدود نیم درصد را دارد. کلیه کدهای پیاده سازی CoviX-Net و مجموعه تصاویر گردآوری شده در دسترس عموم پژوهشگران قرار گرفته است.