محسن جواهریان

یکی از راه های تحلیل بیماری التهاب ویروسی ریه (ویروس کرونا)، استفاده از تصاویر اشعه ی X سینه ی مبتلایان است. استفاده از روش های جدید پردازش تصویر و طبقه بندهای خودکار مبتنی بر الگوریتم های هوش مصنوعی می تواند در دسته بندی این گونه بیماری ها پیشرفت های قابل ملاحظه ای را نتیجه دهد. در گام اول از پژوهش حاضر، با اعمال تابع زرنیک به داده ها، گشتاورهای تصویر سینه ی سالم و تصویر سینه ی آلوده استخراج گردیده است. سپس، الگوریتم انتخاب ویژگی ترکیبی به گشتاورهای با ابعاد بالا اِعمال می شود تا ویژگی های بهینه انتخاب گردد. این ویژگی های منتخب به طبقه بند ماشین بردار پشتیبان با لحاظ هسته ی مناسب وارد می شود تا پیش بینی وضعیت التهاب ریوی صورت پذیرد. نتایج بدست آمده نشان دادند که چارچوب پیشنهادی با لحاظ سنجه های TPR ،ACCو TNR به ترتیب دارای دقت پیش بینی % 92 ، % 89.66 و % 87.33 است. علاوه بر کمک به تصمیم نهایی متخصص بیماری های عفونی، این الگوریتم خودکار می تواند در مواقع اضطراری در صورت عدم وجود متخصص درمان ریه، بیماری فرد را با دقت بالایی تشخیص دهد.