استخدام التعلم العميق (Deep Learning) لتشخيص “كورونا” من خلال الأشعة السينية للصدر

تمهد التطورات التكنولوجية الحديثة الطريق لتقنيات قائمة على التعليم العميق (Deep Learning) لاستخدامها في كل مجال من مجالات الحياة تقريباً. دقة تقنيات التعلم العميق من الممكن استخدامها في المجال الطبي لتصنيف وكشف الأمراض المختلفة. في الآونة الأخيرة، فرضت جائحة فيروس كورونا (COVID-19) الكثير من الضغط على النظام الصحي في جميع أنحاء العالم. حيث انه يمكن تشخيص فيروس كورونا عن طريق اختبار تفاعل البوليمر از المتسلسل (PCR) والتخيل الطبي. نظراً لأن فيروس كورونا شديد العدوى، فإن التشخيص باستخدام أشعة الصدر السينية يعتبر آمنًا في كثير من الحالات المختلفة.

في دراسة تم نشرها، تم اقتراح تقنية قائمة على التعلم العميق لتصنيف عدوى COVID-19 من غيرها من الإصابات الأخرى. ولتصنيف COVID-19، يتم استخدام ثلاثة نماذج مختلفة مجربة مسبقًا تسمى EfficientNetB1 و NasNetMobile و MobileNetV2. حيث إنه يتم تدريب نماذج التعلم العميق باستخدام مجموعة البيانات المعززة ويتم تدريب التصنيف باستخدام استراتيجيتان مختلفتان للتدريب. في هذه الدراسة، لم يتم ضبط نموذج التعلم العميق بدقة فحسب، بل تم أيضًا ضبط المعايير الفائقة، مما يحسن بشكل كبير من أداء نماذج التعلم العميق المضبوطة. علاوة على ذلك، يتم تنفيذ عملية التنظيم وذلك لتحسين أداء التصنيف الرئيسي. ولتقييم التقنيات المقترحة، يتم استخدام العديد من معايير الأداء لقياسها. بالمقارنة مع النماذج الأخرى، يعمل نموذج ال EfficientNetB1 مع التصنيف الرئيسي المنتظم بشكل أفضل. بدقة تصل إلى 96.13٪، نجحت هذه التقنية المقترحة في تصنيف أربع فئات مختلفة وهي: COVID-19، الالتهاب الرئوي الفيروسي (viral pneumonia)، عتامة الرئة (lung opacity)، والطبيعي (normal). وبالمقارنة مع التقنيات المنشورة مؤخراً، يظهر أن هذه التقنية المقترحة هي الأفضل من حيث الدقة. ولقراءة المزيد عن هذه الدراسة (التقنية المقترحة)، الرجاء الاطلاع على الرابط المرفق اضغط هنا: