دوره 14، شماره 5 - ( جلد 14، شماره 5، ویژه نامه کووید-19 1399 )                   جلد 14 شماره 5,1399 صفحات 131-140 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Mehralian S, Jalaeian Zaferani E, Shashaani S, Kashefinishabouri F, Teshnehlab M, Sokhandan H A, et al . Rapid COVID-19 Screening Based on the Blood Test using Artificial Intelligence Methods. JoC. 2021; 14 (5) :131-140
URL: http://joc.kntu.ac.ir/article-1-845-fa.html
مهرعلیان سهیل، جلائیان زعفرانی عفت، شعشعانی شهرزاد، کاشفی نیشابوری فرناز، تشنه‌لب محمد، سخندان حسین‌علی، و همکاران. و همکاران.. غربالگری سریع کووید-19 با استفاده از آزمایش خون و روش‌های هوش‌مصنوعی. مجله کنترل. 1399; 14 (5) :131-140

URL: http://joc.kntu.ac.ir/article-1-845-fa.html


1- آزمایشگاه سیستم‌های هوشمند دانشگاه صنعتی خواجه‌نصیرالدین طوسی
2- بیمارستان بانک ملی ایران
3- دانشگاه علوم پزشکی زنجان
چکیده:   (66 مشاهده)
بیماری COVID-19 که به دلیل ورود ویروس SARS-CoV-2  به بدن ایجاد می‌شود با سرعت چشمگیری در حال شیوع یافتن است. این ویروس به قدری خطرناک است که از زمان ظهور تاکنون جان بسیاری از افراد جهان را گرفته است. همین امر نشان می‌دهد که تشخیص زودهنگام افراد مبتلا به بیماری COVID-19 برای کنترل شیوع این ویروس خطرناک بسیار حیاتی است. در حال حاضر دو روش تشخیصی رایج برای این بیماری، تصویربرداری سی تی اسکن از ریه و آزمایش­ مولکولی RT-PCR[1] است. روش تصویربرداری سی تی اسکن از ریه در کنار نقاط قوتی نظیر سرعت بالای اسکن، هزینه انجام اسکن پایین دارای نقاط ضعفی از جمله نیاز به رادیولوژیست جهت تحلیل تصاویر، معظلات ناشی از در معرض اشعه ایکس قرار گرفتن و خطرناک بودن این روش برای زنان باردار و نوزادان می‌باشد. در خصوص نقاط ضعف روش تشخیصی آزمایش مولکولی می‌توان به هزینه بالای انجام آزمایش، وابستگی به کیت‌های وارداتی و مدت زمان طولانی دریافت نتایج آزمایش اشاره کرد هرچند که این روش دارای صحت تشخیصی بالاتری نسبت به سی تی اسکن ریه می‌باشد، در این مقاله، ما روشی کم­هزینه، سریع و در دسترس برای تشخیص زود هنگام بیماری COVID-19 بر اساس مدل­های هوش‌مصنوعی[2] و آزمایش خون روتین ارائه دادیم که علاوه بر تشخیص زودهنگام به دلیل قابلیت تکرارپذیری خوبی که دارد می‌توان از آن برای غربالگری افراد و جوامع مختلف استفاده کرد. در این مطالعه، از آزمایش خون ۶۶۳۵ بیمار مراجعه کننده به بیمارستان بانک ملی ایران استفاده شده است. سه مدل یادگیری ماشین از قبیل شبکه عصبی فازی تطبیقی، ماشین­ بردار پشتیبان و شبکه­های عصبی مورد ارزیابی قرار گرفت. نتایج نشان می‌‌دهد که روش پیشنهادی ما می­توانند افراد مبتلا به COVID-19 را با صحت %84 و  F1-score %83 تشخیص دهد. همچنین گروه تحقیقاتی ما وب سایت آنلاین به نام  CODAS طراحی کرده است تا مخاطبین بتوانند روش پیشنهادی ما را به راحتی و در دنیای واقعی ارزیابی نمایند


[1] Reverse Transcription Polymerase Chain Reaction (RT-PCR)
[2] Artificial Intelligence (AI)
متن کامل [PDF 961 kb]   (18 دریافت)    
نوع مطالعه: كاربردي | موضوع مقاله: کووید 19
دریافت: 1399/11/10 | پذیرش: 1399/12/17 | انتشار: 1399/12/10

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


کلیه حقوق این وب سایت متعلق به مجله کنترل می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2021 All Rights Reserved | Journal of Control

Designed & Developed by : Yektaweb