détection de covid-19 basée apprentissage par transfert,apprentissage profond et apprentissage automatique

Abstract

"في يومنا هذا، نواجه معركة مستمرة ومستديمة ضد فيروس كورونا المستجد، حيث يصاب الملايين من الأشخاص يوميًا بمعدل 2٪ من الوفيات. بمعنى، نهدف إلى إنجاز طريقة جوهرية لتشخيص مرضى فيروس كورونا 19 من خلال التمييز بين تصوير الموجات فوق الصوتية للصدر لفيروس كورونا 19، والالتهاب الرئوي والمريض السليم. تبدو أنظمة CAD للتعلم العميق في مثل هذا الموقف المخيف كحل جيد ومناسب. في الواقع، تستغرق طرق التجزئة يدويا وقتًا طويلاً، وهي وتيرة يمكن أن تتأثر بالمتغيرات والمراقب الداخلي. في هذا العمل، نستخدم التعلم بالتحول، تجزئة الرئة بواسطة نموذج التعلم العميق U-net والتصنيف عبر خوارزمية SVM للكشف عن COVID-19 استنادًا إلى نماذج قانون الطاقة بـ Zipf و Zipf العكسي ومرشحات Gabor لوصف النسيج. في نهجنا المقترح لديه القدرة على تصنيف فحوصات الموجات فوق الصوتية لـ COVID-19 والالتهاب الرئوي والشخص السليم بدقة عالية.""De nos jours, nous sommes confrontés à la lutte en cours contre le nouveau virus de Corona, où des millions de personnes sont infectées quotidiennement avec un taux de mortalité de 2%. En ce sens, nous visons à accomplir une méthode substantielle pour diagnostiquer les patients COVID-19 en distinguant les échographies thoraciques de COVID-19, de pneumonie et d'un patient en bonne santé. Les systèmes CAD d'apprentissage en profondeur semblent une bonne solution dans une situation aussi effrayante. En effet, les méthodes de segmentation manuelle sont chronophages, monotones et peuvent être affectées par la variabilité inter et intra-observateur. Dans ce travail, nous utilisons l'apprentissage par transfert, la segmentation des poumons par le modèle U-net d’apprentissage profond ainsi qu’une classification via l’algorithme SVM pour détecter le COVID-19 basé les modèles de lois de puissance de Zipf et Zipf inverse et les filtres de Gabor pour la caractérisation de la texture. Notre approche proposée a la capacité de classifier les échographies de COVID-19, la pneumonie et une personne en bonne santé avec une grande précision."