T28836
انگلیسی
Segmenting chest x-ray images for COVID-19 using NSGA-II
Dissertation
Ahmed Riyadh Kadhim Al-Sowaidi
Computer and electrical engineering
1401
87p.
cd.
M.S.
Computer Engineering
1401/11/18
The world witnessed the most difficult pandemic in this century's history. Many people died as a result of the Corona virus, which originated in China and quickly spread throughout the rest of the world. Many countries have halted all travel to and from them in order to limit the spread of this virus within their borders, and they have also completely isolated the infected in an effort to limit its spread. As a result, the rapid medical examination played an important role in revealing the patient's condition, whether he had the disease or not, and determining the many measures that should be taken in the patient's and the community's best interests. And, as is customary, artificial intelligence played a significant role in breaking into the field of virus detection by analyzing chest x-rays. We were able to obtain data from a large number of patients, and then we will use a genetic algorithm to segment the radiographic image into areas affected by the virus and areas unaffected by the virus, which is useful because it is clear that early detection of the virus limits its spread within the patient's body on the one hand and limits its spread outside the patient's body on the other. On the one hand, in the patient's immediate vicinity, we will present a comprehensive comparison of the results of genetic algorithms, particularly NSGA-II, and convolutional neural networks on the same samples at the end of the study.
جهان شاهد سخت ترین بیماری همه گیر در تاریخ این قرن بود. بسیاری از مردم در نتیجه ویروس کرونا جان خود را از دست دادند که منشا آن چین بود و به سرعت در سراسر جهان گسترش یافت. بسیاری از کشورها به منظور محدود کردن شیوع این ویروس در داخل مرزهای خود، همه سفرهای خود را به آنها متوقف کرده اند و همچنین در تلاش برای محدود کردن شیوع آن، افراد مبتلا را کاملاً ایزوله کرده اند. در نتیجه معاینه پزشکی سریع نقش مهمی در آشکار ساختن وضعیت بیمار، داشتن یا نداشتن بیماری و تعیین اقدامات زیادی که باید در جهت منافع بیمار و جامعه انجام شود، ایفا کرد. و همانطور که مرسوم است، هوش مصنوعی با تجزیه و تحلیل اشعه ایکس قفسه سینه نقش مهمی در نفوذ به حوزه تشخیص ویروس ایفا کرد. ما توانستیم داده‌های تعداد زیادی از بیماران را به‌دست آوریم و سپس از یک الگوریتم ژنتیک برای تقسیم‌بندی تصویر رادیوگرافی به مناطق تحت تأثیر ویروس و مناطقی که تحت تأثیر ویروس قرار گرفته‌اند، استفاده خواهیم کرد، که مفید است زیرا آشکار است که تشخیص زودهنگام ویروس از یک طرف انتشار آن را در بدن بیمار محدود می کند و از طرف دیگر انتشار آن را در خارج از بدن بیمار محدود می کند. از یک طرف، در مجاورت بیمار، مقایسه جامعی از نتایج الگوریتم‌های ژنتیک، به‌ویژه NSGA-II و شبکه‌های عصبی کانولوشن روی همان نمونه‌ها را در پایان مطالعه ارائه خواهیم کرد.
قطعه بندی تصاویر اشعه ایکس قفسه سینه برای کووید 19 با استفاده از NSGA-II
NSGA-II, segmentation, Covid-19, genetic algorithm, convolutional neural networks.
NSGA-II، قطعه‌بندی، کووید-19، الگوریتم ژنتیک، شبکه‌های عصبی کانولوشنال.
Riyadh Kadhim Al-Sowaidi,
Ahmed
Producer
Salehpor,
Moallemi Khiavi,
Pedram
Abdolhamid
Thesis advisor
Consulting advisor
Tabriz
ایران
Central Library University of Tabriz
20230704
ارشد پایاننامه QA76.R4 1401
Ahmed Riyadh Kadhim Al-Sowaidi
عبادی
e
TL
276903
a
Y
