الباحثون المشاركون

التخصص: علوم الحاسب

التخصص الدقيق: الذكاء الاصطناعي

المستخلص: بحلول نهاية عام 2019، انتشر جائحة عالمي جديد لفيروس كورونا المعروف باسم COVID-19. الاختبار الأكثر استخدامًا لـ COVID-19 هو تفاعل البوليميرات المتسلسل في الوقت الحقيقي. ومع ذلك، فإن اختبار تفاعل البوليميرات المتسلسل في الوقت الحقيقي يستغرق وقتًا طويلاً. علاوة على ذلك، يعاني من ارتفاع معدل التشخيص السلبي الكاذب (حساسية منخفضة). يمكن أن ينتج عن فحوصات التصوير المقطعي المحوسب، مقارنةً باختبار تفاعل البوليميرات المتسلسل في الوقت الفعلي، نتيجة في فترة زمنية قصيرة. في هذه الورقة، نقترح نموذجًا جديدًا يجمع بين التعلم العميق والتعلم الآلي معًا. يتم استخدام التعلم العميق لاستخراج الميزات المهمة من صور التصوير المقطعي المحوسب، ثم يتم تمرير الميزات المحددة إلى نموذج تجميعي للتصنيف. استخدمنا RseNet50 لاختيار الميزات، ويتم التصنيف بواسطة نموذج المجموعة الذي يجمع بين Support-vector Machine وLogistic Regression وMultilayer Perceptron. تمت مقارنة النموذج المقترح بإحدى عشرة تقنية حديثة وتجاوزها باستخدام الدقة والدقة والتذكر ودرجة F1. مساهمة هذه الورقة في تقديم نموذج جديد ذو أداء عالٍ لتشخيص COVID-19. بمساعدة هذا النموذج، يمكننا تحديد الحالات الإيجابية بسرعة للعزل المبكر. في الوقت نفسه، يمكننا استخدامه مع اختبار تفاعل البوليميرات المتسلسل في الوقت الحقيقي لزيادة حساسيته.

Abstract: By the end of the year 2019, a global pandemic novel coronavirus, known as COVID-19, hits the world. The most widely used test for COVID-19 is the Real-Time Polymerase Chain Reaction. However, the Real-Time Polymerase Chain Reaction test is time-consuming. Moreover, it suffers from a high false-negative diagnosis rate (low sensitivity). Computed Tomography scans, compared to the Real-Time Polymerase Chain Reaction test, can produce a result in a short amount of time. In this paper, we propose a novel model that hybridizes deep learning and machine learning together. Deep learning is utilized to extract the important features from Computed Tomography images, then the selected features are passed to an ensemble model for the classification. We used RseNet50 for features selection, and the classification is performed by an ensemble model that combines Support-vector Machine, Logistic Regression, and Multilayer Perceptron. The proposed model is compared with eleven state-of-the-art techniques and surpassed them using accuracy, precision, recall, and F1-score. The contribution of this paper is introducing a novel model with high performance for the diagnosis of COVID-19. With the aid of this model, we could identify positive cases rapidly for early isolation. At the same time, we can use it in combination with the Real-Time Polymerase Chain Reaction test to increase its sensitivity.

الحالة: محكم ومنشور

جهة التحكيم: International Journal of Computer Science and Network Security

دار النشر: International Journal of Computer Science and Network Security

سنة النشر: 2022