Web Analytics Made Easy - Statcounter
به نقل از «ایسنا»
2024-04-30@09:37:17 GMT

طراحی یک سیستم برای تشخیص سریع بیماری کووید-۱۹

تاریخ انتشار: ۲۳ خرداد ۱۴۰۰ | کد خبر: ۳۲۲۱۲۲۹۹

طراحی یک سیستم برای تشخیص سریع بیماری کووید-۱۹

پژوهشگران دانشگاه علوم پزشکی شهید بهشتی با استفاده از الگوریتم‌های یادگیری عمیق سیستمی برای تفسیر تصاویر سی‌تی اسکن بیماران مبتلا به بیماری‌های ریوی و تشخیص سریع کووید-۱۹ طراحی کردند.

به گزارش ایسنا، با توجه به همه‌گیری بیماری کووید-۱۹، داشتن ابزارهای دقیق و آنی برای تشخیص بیماری ضروری است. تصاویر سی‌تی اسکن به‌عنوان روش تشخیصی، به تنهایی در تشخیص بیماری کووید-۱۹ عملکرد بالایی ندارد و بر اساس پروتکل‌های تشخیصی باید همراه با تست PCR باشد و نمی‌توان برای تشخیص بیماری کووید-۱۹ تنها از تصاویر سی تی اسکن استفاده کرد.

بیشتر بخوانید: اخباری که در وبسایت منتشر نمی‌شوند!

برای حل این مشکل می‌توان با استفاده از روش‌های یادگیری عمیق عملکرد تصاویر سی تی اسکن را ارتقا داد و با طراحی سیستمی مبتنی بر یادگیری عمیق به‌صورت کاملا خودکار، تصاویر رادیولوژی بیماری کووید-۱۹ را از تصاویر دیگر پنومونی‌ها، با دقت بالایی تشخیص داد.

در این سیستم با ارائه یک الگوریتم، میزان درگیری ریه در بیماری‌های ریوی استخراج و همراه با نتیجه تعیین‌کننده تشخیص ابتلا به کووید-۱۹ به‌عنوان خروجی سیستم به کاربر عرضه می‌شود. این سیستم از الگوریتم‌های متنوعی برای تشخیص بیماری کووید-۱۹ استفاده می‌کند و در نهایت کاراترین الگوریتم در تشخیص موارد مثبت و غیر مثبت مبتلا به کووید-۱۹ انتخاب می‌شود.

پژوهشگران دانشگاه علوم پزشکی شهید بهشتی، با طراحی یک سیستم تشخیص کووید-۱۹، با استفاده از الگوریتم یادگیری عمیق توانستند سیستم تشخیص اتوماتیک با دقت ۹۹.۶ طراحی کنند. این سیستم دارای ویژگی‌هایی است که ضایعه درگیر ریه را استخراج و قطعه‌بندی کرده و سپس حجم ضایعه درگیر ریوی را در قالب اعداد به متخصص بالینی اعلام می‌کند.

بررسی‌های این مطالعه در خصوص این سیستم نشان داد که درجه صحت و حساسیت آن به ترتیب برابر با، ۹۹.۹، ۹۸.۷ است. این سیستم قادر است خطای تشخیصی تصاویر سی‌تی اسکن در تشخیص بیماران کووید-۱۹ را کاهش دهد و همچنین بدون اتلاف وقت، در روز تصاویر زیادی را تفسیر کرده و میزان درگیری ریوی را به متخصص رادیولوژی ارایه دهد.

پژوهشگران این مطالعه معتقدند که این سیستم‌ها در موارد بحرانی و همه‌گیری بیماری‌ها می‌توانند در کمترین زمان تصاویر مبتلایان را تفسیر و اطلاعات بیشتر در اختیارمتخصص بالینی قرار دهند.

نتایج این پروژه تحقیقاتی با عنوان «سیستم تشخیص اتوماتیک بیماری کوید19 براساس تصاویر CT-Scan با استفاده از یادگیری عمیق» در پایگاه نتایج پژوهش‌های سلامت کشور منتشر شده و فرخنده اسدی، مصطفی قادرزاده، داود بشاش آلانق و حسن ابوالقاسمی از دانشگاه علوم پزشکی هید بهشتی در انجام آن مشارکت داشتند.

مقاله حاصل این پروژه تحقیقاتی از طریق لینک زیر قابل دسترسی است:

Deep Convolutional Neural Network–Based Computer-Aided Detection System for COVID-19 Using Multiple Lung Scans: Design and Implementation Study

انتهای پیام

منبع: ایسنا

کلیدواژه: کووید 19 کروناویروس سی تی اسکن تصاویر سی تی اسکن بیماری کووید ۱۹ تشخیص بیماری یادگیری عمیق

درخواست حذف خبر:

«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را به‌طور اتوماتیک از وبسایت www.isna.ir دریافت کرده‌است، لذا منبع این خبر، وبسایت «ایسنا» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۳۲۲۱۲۲۹۹ را به همراه موضوع به شماره ۱۰۰۰۱۵۷۰ پیامک فرمایید. لطفاً در صورتی‌که در مورد این خبر، نظر یا سئوالی دارید، با منبع خبر (اینجا) ارتباط برقرار نمایید.

با استناد به ماده ۷۴ قانون تجارت الکترونیک مصوب ۱۳۸۲/۱۰/۱۷ مجلس شورای اسلامی و با عنایت به اینکه سایت «خبربان» مصداق بستر مبادلات الکترونیکی متنی، صوتی و تصویر است، مسئولیت نقض حقوق تصریح شده مولفان در قانون فوق از قبیل تکثیر، اجرا و توزیع و یا هر گونه محتوی خلاف قوانین کشور ایران بر عهده منبع خبر و کاربران است.

خبر بعدی:

آغاز پانزدهمین همایش بین المللی ارتقای کیفیت خدمات آزمایشگاهی

به گزارش خبرگزاری صدا و سیما؛ پیام این دوره از همایش ارتقاء کیفیت خدمات آزمایشگاهی تشخیص پزشکی ایران، اهمیت و نقش محوری آزمایشگاه تشخیص پزشکی در بهداشت عمومی و مراقبت از بیمار و همچنین ارائه جدیدترین دستاوردها در شناخت ، تشخیص و پیشگیری بیماری ها از جمله سرطان ها – بیماریهای مادرزادی و بیماری های واگیر است.

این همایش با حضور مسئولان فدراسیون بین المللی شیمی بالینی و طب آزمایشگاهی (IFCC)، فدراسیون آسیا اقیانوسیه بیوشمی بالینی و طب آزمایشگاه (APFCB) و فدراسیون اروپایی طب آزمایشگاهی (EFLM) به همراه مراکز علمی و دانشگاهی کشور و با حضور مهمانان و سخنرانان و اساتید برتر جهانی برگزار شده است.

در کنار این همایش چهار روزه، نمایشگاه بزرگ امکانات و دستاوردهای آزمایشگاهی تشخیص پزشکی با همکاری وزارت بهداشت، دانشگاه های علوم پزشکی، آزمایشگاه های مرجع سلامت، پژوهشگاه ها، مراکز تحقیقاتی و انجمن های علمی تخصصی کشور برگزار شده است.

در این همایش با رویکرد آزمایشگاه های تشخیص پزشکی آینده هوشمند، مبتنی بر شواهد و پاسخگو، جایگاه آزمایشگاه های پزشکی در سیاست گذاری سلامت، نقش هوش مصنوعی نسل جدید در ارتقای کیفیت و مدیریت آزمایشگاه های پزشکی، ملزومات توسعه پایدار نظام مدیریت اطلاعات آزمایشگاهی و داده های بزرگ و همچنین آخرین دستاوردهای روز دنیا در زمینه های مختلف علوم آزمایشگاه پزشکی مورد بحث و تبادل نظر قرار می گیرد.

دیگر خبرها

  • آبله مرغان تا چند روز واگیر دارد ؟ | برای آبله مرغان چی بخوریم ؟ ؛ درمان سریع آبله مرغان در خانه
  • با سریع‌ترین روش‌های کاهش وزن آشنا شوید
  • آغاز پانزدهمین همایش بین المللی ارتقای کیفیت خدمات آزمایشگاهی
  • ChatGPT در تشخیص آبسه مغزی شکست خورد
  • آزمایش خون ممکن است ام‌اس زودرس را تشخیص دهد
  • ام‌ اس زودرس قابل تشخیص است؟
  • امکان تشخیص ام‌اس زودرس با آزمایش خون
  • هوش مصنوعی آرتروز زانو را ۸ سال زودتر تشخیص می‌دهد
  • پیشتازی ایران در تشخیص مالاریا / مورد بومی ابتلا در کشور گزارش نشده است
  • عجایب جدید از ویروس کرونا؛ مردی پس از ۶۱۳ روز بیماری درگذشت!