المستخلص
صنفت منظمة الصحة العالمية(WHO) المرض الذي تم اكتشافه مؤخرًا COVID-19 بأنه
تع7للاا جائحة. يعد اكتشاف COVID-19 في مرحلة مبكرة أمرًا حيويًا للسيطرة الفعالة على الوباء الناتج. يعد نموذج التعلم العميق للمجموعة أمراً حاسمًا في تصنيف حالات COVID-19 من خلال الجمع بين شبكات عصبية متعددة وتحسين الدقة. نهجها المتكامل يقلل من سوء التصنيف ، ويوفر فهمًا شاملاً للمرض مما يساعد المتخصصين في الرعاية الصحية في اتخاذ قرارات مستنيرة.
تقدم هذه الأطروحة كفاءة وفعالية النظام المعتمد على التعلم العميق التجميعي المتنقل لتشخيص كوفيد -19 (EDTLSD-COVID19) باستخدام صور التصوير المقطعي المحوسب على الصدر CT Scan)). يركز النظام على التصنيف المبكر والدقيق للفئات الثنائية. يتكون EDTLSD-COVID19 من عدة مراحل ، بما في ذلك تحميل مجموعة البيانات والمعالجة المسبقة للصور Gaussian Filter و Median Filter و Average Blur و Brightness Multiplication و Affine Transformation) ، وزيادة الصورة ، والتعلم التلوي من المستوى الأول باستخدام خوارزميات تعلم النقل (VGG16 ، VGG19 ، ResNet-50) ، واقترح إصدار NCNN. كما يتضمن أيضًا التعلم التلوي من المستوى الثاني للتحكم في الوزن من خلال Dirichlet Ensemble والتعلم التلوي من المستوى الثالث من أجل التصنيف الأمثل باستخدام نموذج الانحدار اللوجستي.
يستخدم EDTLSD-COVID19 المقترح مجموعة البيانات المتاحة للجمهور SARS-CoV-2 للتجريب واختبار النظام. مع حقبة تدريب 200 ، يحقق النظام معدل دقة مذهل يقارب 100٪.فنننننننننننن علاوة على ذلك ، يُظهر النظام أداءً استثنائيًا عبر مقاييس مختلفة مثل precession وspecificity وrecall وScore F1 ، مما يدل على قدرته على تحقيق القيم المثلى.
أظهر EDTLSD-COVID19 المقترح الدقة المثلى عند اختباره على مجموعة بيانات محلية تم الحصول عليها من مستشفى اليرموك ومستشفى بعقوبة العامة (Iraqi-CoV) والتي تتضمن (699) عينة. تؤكد هذه النتائج الممتازة على قابلية تطبيق النظام في بيئات الرعاية الصحية ، مما يجعلها أداة قيمة لمساعدة المتخصصين في الرعاية الصحية بدقة لا تشوبها شائبة في إدارة وتشخيص حالات COVID-19.
تفوق نظام EDTLSD-COVID19 المقترح في الأداء على الأعمال ذات الصلة من حيث الدقة ، حيث حقق 99,99٪ مع مجموعة بيانات SARS-CoV-2 ودقة 100٪ مع مجموعة بيانات أشعة مقطعية محلية (Iraq-CoV).
