TY - JOUR ID - 146155 TI - تشخیص بیماری کووید-19 با ترکیب روش‌های دستی و یادگیری عمیق از روی تصاویر اولتراسوند JO - مجله بینایی ماشین و پردازش تصویر JA - JMVIP LA - fa SN - AU - اسماعیلی, ,ویدا AU - محصل فقهی, محمود AD - دانشجوی دکتری مخابرات، دانشکده مهندسی برق و کامپیوتر، دانشگاه تبریز AD - دانشکده مهندسی برق و کامپیوتر، دانشگاه تبریز Y1 - 2022 PY - 2022 VL - 9 IS - 4 SP - 31 EP - 41 KW - تشخیص کووید-19 KW - تصاویر اولتراسوند KW - یادگیری عمیق DO - N2 - 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 می­تواند نقش حیاتی در بهبود بیمار داشته باشد، اما انجام آزمایش­های رادیوگرافی توسط کادر درمان فرآیند زمان­بری است. بنابراین، استفاده از تصاویر اولتراسوند و روش­های یادگیری عمیق توصیه می­شود. تکنیک اولتراسوند بدون اشعه است و می­تواند در بخش­های اطفال و مراقبت­ های ویژه برای بیماران خاص مورد استفاده قرار گیرد. با این حال، تصاویر آن دارای نویز است که عملکرد روش­های یادگیری عمیق را تحت تأثیر قرار می­دهد. به همین منظور، در این مقاله، ما روش الگوی باینری محلی یکنواخت را که در مقابل نویز مقاوم است با روش یادگیری عمیق ترکیب می­کنیم. ابتدا الگوی باینری محلی یکنواخت بر روی دو صفحه­ ی زمانی محاسبه می­شود 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 می­شود. با توجه به آزمایش ­های انجام شده، روش پیشنهادی عملکرد بهتری در مقایسه با سایر روش­های پیشرفته دارد. نتایج نشان می­دهد که دقت شناسایی کووید-19 از روی داده ­های اولتراسوند با استفاده از روش پیشنهادی 98.5 درصد است. UR - https://jmvip.sinaweb.net/article_146155.html L1 - https://jmvip.sinaweb.net/article_146155_0bda9c10a7e5d5c0ef1b8c35fcb0b6f8.pdf ER -