اخبار : شناسایی سریع کووید-۱۹ با کمک یک مدل مبتنی بر اشعه ایکس و هوش مصنوعی

شناسایی سریع کووید-۱۹ با کمک یک مدل مبتنی بر اشعه ایکس و هوش مصنوعی

پژوهشگران برزیلی، یک مدل مبتنی بر هوش مصنوعی و اشعه ایکس طراحی کرده‌اند که می‌تواند به شناسایی سریع کووید-۱۹ کمک کند.


به گزارش ایسنا و به نقل از وب‌سایت رسمی "موسسه مهندسان برق و الکترونیک" (IEEE)، شاید اشعه ایکس بتواند با کمک هوش مصنوعی، به یک ابزار تشخیصی پیشرفته برای شناسایی افراد مبتلا به کووید-۱۹ تبدیل شود. گروهی از پژوهشگران برزیلی، یک برنامه رایانه‌ای را با کمک روش‌های گوناگون یادگیری ماشینی آموزش داده‌اند تا بتواند کووید-۱۹ را در تصاویر ثبت شده از قفسه سینه با اشعه ایکس، با ۹۵/۶ تا ۹۸/۵ درصد دقت تشخیص دهد.

پژوهشگران پیشتر بر شناسایی و طبقه‌بندی آسیب‌شناسی‌های ریه به واسطه تصویربرداری پزشکی تمرکز کرده بودند. نشانه‌های متداول کووید-۱۹ از جمله تنگی نفس و سرفه، به واسطه روش‌های تصویربرداری پزشکی مانند سی‌تی اسکن یا اشعه ایکس، قابل شناسایی هستند.

"ویکتور هوگو سی. د آلبوکرک" (Victor Hugo C. de Albuquerque)، از پژوهشگران این پروژه گفت: با آغاز همه‌گیری کووید-۱۹، ما توافق کردیم که از تخصص خود برای کمک به برطرف کردن این مشکل جهانی جدید بهره ببریم. بسیاری از مراکز پزشکی، فاقد تعداد آزمایش‌های کافی هستند و به زمان زیادی برای پردازش آزمایش نیاز 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-۱۹ از آنها استفاده می‌شود. این ابزارها، ابزارهای مبتنی بر اشعه ایکس هستند.

"آلبوکرک" ادامه داد: ما تصمیم گرفتیم به بررسی این موضوع بپردازیم که آیا عفونت COVID-19 با استفاده از تصاویر اشعه ایکس به طور خودکار قابل تشخیص است یا خیر. تصاویر ثبت شده با اشعه ایکس برخلاف آزمایش‌های سواب بینی یا بزاق دهان، به سادگی در دسترس قرار دارند و پردازش آنها در زمان کوتاه‌تری صورت می‌گیرد.

وی افزود: از آنجا که تصویربرداری با اشعه ایکس، روشی سریع و کم‌هزینه است، می‌تواند به بیمارانی که از مراکز درمانی بزرگ دور هستند و به فناوری‌های پیچیده‌تر دسترسی ندارند، کمک کند. این روش می‌تواند به پزشکان در شناسایی و طبقه‌بندی خودکار تصاویر پزشکی کمک کند تا بتوانند به اندازه‌گیری شدت بیماری و دسته‌بندی انواع آن بپردازند.

پژوهشگران قصد دارند آزمایش‌ روش خود را با پایگاه بزرگتری از داده‌ها ادامه دهند تا نهایتا یک پلتفرم آنلاین رایگان برای طبقه‌بندی تصاویر پزشکی ابداع کنند.

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