شناسایی سریع کووید-19 با یاری یک مدل مبتنی بر اشعه ایکس و هوش مصنوعی خبرنگاران - وبلاگ خبری

به گزارش وبلاگ خبری، پژوهشگران برزیلی، یک مدل مبتنی بر هوش مصنوعی و اشعه ایکس طراحی نموده اند که می تواند به شناسایی سریع کووید-19 یاری کند.

به گزارش گروه دانشگاه وبلاگ خبری، اشعه ایکس بتواند با یاری هوش مصنوعی، به یک ابزار تشخیصی پیشرفته برای شناسایی افراد مبتلا به کووید-19 تبدیل گردد. گروهی از پژوهشگران برزیلی، یک برنامه رایانه ای را با یاری روش های گوناگون یادگیری ماشینی آموزش داده اند تا بتواند کووید-19 را در تصاویر ثبت شده از قفسه سینه با اشعه ایکس، با 95/6 تا 98/5 درصد دقت تشخیص دهد.

پژوهشگران پیشتر بر شناسایی و طبقه بندی آسیب شناسی های ریه به واسطه تصویربرداری پزشکی تمرکز نموده بودند. نشانه های متداول کووید-19 از جمله تنگی نفس و سرفه، به واسطه روش های تصویربرداری پزشکی مانند سی تی اسکن یا اشعه ایکس، قابل شناسایی هستند.

ویکتور هوگو سی. د آلبوکرک (Victor Hugo C. de Albuquerque)، از پژوهشگران این پروژه گفت: با شروع همه گیری کووید-19، ما توافق کردیم که از تخصص خود برای یاری به رفع کردن این مشکل جهانی جدید بهره ببریم. بسیاری از مراکز پزشکی، فاقد تعداد آزمایش های کافی هستند و به زمان زیادی برای پردازش آزمایش احتیاج دارند؛ بنابراین ما بر بهبود ابزارهایی تمرکز کردیم که به سادگی در هر بیمارستان قابل دسترس هستند و در حال حاضر نیز برای تشخیص کووید-19 از آنها استفاده می گردد. این ابزارها، ابزارهای مبتنی بر اشعه ایکس هستند.

آلبوکرک ادامه داد: ما تصمیم گرفتیم به آنالیز این موضوع بپردازیم که آیا عفونت COVID-19 با استفاده از تصاویر اشعه ایکس به طور اتوماتیک قابل تشخیص است یا خیر. تصاویر ثبت شده با اشعه ایکس برخلاف آزمایش های سواب بینی یا بزاق دهان، به سادگی در دسترس قرار دارند و پردازش آنها در زمان کوتاه تری صورت می گیرد.

وی اضافه نمود: از آنجا که تصویربرداری با اشعه ایکس، روشی سریع و کم هزینه است، می تواند به بیمارانی که از مراکز درمانی عظیم دور هستند و به فناوری های پیچیده تر دسترسی ندارند، یاری کند. این روش می تواند به پزشکان در شناسایی و طبقه بندی اتوماتیک تصاویر پزشکی یاری کند تا بتوانند به اندازه گیری شدت بیماری و دسته بندی انواع آن بپردازند.

پژوهشگران قصد دارند آزمایش روش خود را با پایگاه عظیمتری از داده ها ادامه دهند تا نهایتا یک پلتفرم آنلاین رایگان برای طبقه بندی تصاویر پزشکی ابداع نمایند.

این پژوهش در IEEE/CAA Journal of Automatica Sinica به چاپ رسید.