Open AccessDETEKCIJA COVID-19 SLUČAJEVA SA RTG SNIMAKA UPOTREBOM DUBOKIH NEURONSKIH MREŽA
Author(s) -
Stefan Orčić
Publication year - 2022
Publication title -
zbornik radova fakulteta tehničkih nauka/zbornik radova fakulteta tehničkih nauka
Language(s) - Bosnian
Resource type - Journals
eISSN - 2560-5925
pISSN - 0350-428X
DOI - 10.24867/16oi04orcic
Subject(s) - physics , humanities , art
Pandemija COVID-19 ima razarajući efekat na zdravlje stanovništva širom sveta. Zbog toga je presudni korak, u borbi protiv ove pandemije, kontrola širenja bolesti. Kapacitet i kvalitet laboratorijskog ispitivanja je izazovni zadatak, pa alternativne metode ispitivanja igraju značajnu ulogu u ovoj borbi. Na osnovu toga, jedan od novih pristupa oslanja se na analizu radiološkog snimanja pomoću radiografije grudnog koša za dijagnozu, procenu i proveru stadijuma infekcije COVID-19. Razvoj automatizovanog alata koji će koristiti veliki broj rendgenskih zraka za klasifikaciju bio bi od velike važnosti kada bi se obuhvatio veliki broj slučajeva. Prethodnih godina, savremene arhitekture revolucionarnih konvolutivnih neuronskih mreža pokazale su izvanredne rezultate u brojnim zadacima medicinske klasifikacije. Motivisani ovim, eksperimenti izvedeni u ovom radu analiziraju njihovu upotrebu u zadatku otkrivanja slučajeva COVID-19 klasifikacijom rendgenskih fotografija, uz primenu strategije prenosnog učenja (engl. transfer learning) na unapred obučenoj ImageNet mreži, uz upotrebu različitih tehnika pred-procesiranja (engl. pre-processing). Rezultati predstavljeni u ovom radu zaključuju da bi duboke konvolucione neuronske mreže mogle izvući radiološke vizuelne karakteristike koje su u korelaciji sa biomarkerima koji su povezani u slučajevima COVID-19 sa velikom tačnošću.