بررسی عملکرد الگوریت م های سه بعدی کانولوشنال GoogleNet و AlexNet در تشخیص بیماری COVID 19 به کمک تصاویر CT

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 بررسی عملکرد الگوریت م های سه بعدی کانولوشنال GoogleNet و AlexNet در تشخیص بیماری COVID 19 به کمک تصاویر CT دارای ۱۷ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد بررسی عملکرد الگوریت م های سه بعدی کانولوشنال GoogleNet و AlexNet در تشخیص بیماری COVID 19 به کمک تصاویر CT  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی بررسی عملکرد الگوریت م های سه بعدی کانولوشنال GoogleNet و AlexNet در تشخیص بیماری COVID 19 به کمک تصاویر CT،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن بررسی عملکرد الگوریت م های سه بعدی کانولوشنال GoogleNet و AlexNet در تشخیص بیماری COVID 19 به کمک تصاویر CT :

سال انتشار : ۱۴۰۰

تعداد صفحات : ۱۷

بیماری COVID 19 به صورت وحشتناکی بر بیماران و سیستم های درمانی تاثیر نهاده است. عدم شناسایی بیماران مبتلا به بیماری COVID 19 منجر به پخش آلودگی شده و این همه گیری و گسترش بیماری خود باعث از دست رفتن زندگی انسان های بی گناه بسیاری است. بیشترین اهمیت در درمان بیماران مبتلا به COVID 19 تشخیص زود هنگام بیماری است تا مانع از بروز مشکلات بیشتر شود.تست PCR روش استاندارد طلایی است که به طور معمول در تشخیص بیماری COVID 19 استفاده می شود، هرچند این روش نیز با محدودیت هایی از قبیل کمبود نیروی متخصص، زمانبر بودن، تجهیزات آزمایشگاهی پیچیده و امکان ارائه پاسخ های اشتباه همراه است، اما تصاویر CT اسکن می توانند به طور موثری آزمایش های تشخیص PCR را تکمیل نمایند. در این مقاله تشخیص بیماری COVID 19 به کمک دو الگوریتم سه بعدی شبکه های عصبی کانولوشنال GoogleNet و AlexNet با استفاده از تصاویر CT بررسی خواهد شد. عملکرد مدل های پیش آموخته فوق، در بررسی تصاویر CT ، آزمایش شده و توان تشخیص هر کدام از این الگوریتم ها برای مجموعه اطلاعاتی متعارف و به مراتب بزرگ تر مشخص می شود. در این مقاله از مجموعه تصاویر سه بعدی با فرمت .nii برای ۱۰۰ بیمار و ۱۰۰ انسان سالم استفاده شد. تعداد تصاویر برای آموزش و اعتبارسنجی به ترتیب ۱۴۰ و ۶۰ تصویر بود .