Ko’krak qafasi rengen tasvirlarini o’ramli neyron to’rlari asosida tashxislash

Kalit so'zlar: COVID-19, Rentgen, chuqur o'rganish, o’ramli neyron tarmoq (CNN).

Kirish

COVID-19-bu 2019 yil dekabr oyida koronavirus (SARS-COV-2) birinchi marta inson tanasiga yuqdi va asosan odamlar orasida gaplashganda, yo'talganda yoki aksirganda hosil bo'lgan tomchilar orqali tarqalishi mumkin [1-5]. Tomchilar uzoqqa borish uchun juda og'ir bo'lgani uchun ular yaqin aloqada bo'lmagan holda odamdan odamga yuqolmaydi [6-7]. Aniq vaqt hali noma'lum bo'lsa-da, yangi tadqiqot shuni ko'rsatdiki, COVID-19 havoda 3 soatgacha, misda 4 soatgacha va plastmassa va zanglamaydigan po'latdan 72 soatgacha yashashi mumkin. Biroq, bu savollarga aniq javoblar hali ham sog'liqni saqlash tadqiqotchilari tomonidan kelishilmagan va hozirda o'rganilmoqda. COVID-19 o'pkaga zarar etkazadi va infektsiyalangan odamning to'qimalariga zarar etkazadi. Dastlabki bosqichlarda, ba'zi odamlarda hech qanday alomatlar bo'lmasligi mumkin, aksariyat odamlarda isitma va yo'tal asosiy alomatlari bo'lgan.

Yaqinda teskari transkriptaza polimeraza zanjirli reaktsiyasi (RT-PCR) diagnostikasi virusni aniqlashda samarali ekanligi aniqlandi. Biroq, bu usulning ba'zi kamchiliklari bor, ular orasida aniqlanish muddati uzoqroq va virusni aniqlash tezligi past bo'ladi. Kamchiliklar qatoriga qattiq laboratoriya talablari va turli xil sinov xususiyatlari kiradi [8-9]. Tadqiqotchilar COVID-19 tashxisi va aniqlanishini yaxshilash uchun RT-PCR tekshiruvining cheklanishlarini bartaraf etish ustida ishlamoqda. Jahon sog'liqni saqlash tashkilotining 2020 yil oktyabr oyida taqdim etgan tavsiyalariga ko'ra, ko'krak qafasi tasviri virus ta'sirlangan va davolangan odamlarda klinik simptomlarni aniqlashning samarali usuli hisoblanadi [10]. Bundan tashqari, ultratovush, ko'krak qafasi rentgenografiyasi va MRG, shuningdek, kompyuter tomografiyasi (KT) va o'pkaning ponksiyon biopsiyasini o'z ichiga olgan boshqa diagnostik testlar ham taklif etiladi. Ko'krak qafasi rentgenografiyasi hozirda KT bilan solishtirganda, COVID-19 holatlarini aniqlash uchun keng qo'llaniladi, chunki tasvirlash uchun ko'proq vaqt ketadi va KT skanerlari rivojlanmagan ko'p mamlakatlarda mavjud emas. Bundan tashqari, kompyuter tomografiyasi juda qimmat va homilador ayollar va bolalar yuqori nurlanish tufayli sog'liq uchun xavf tug'dirishi mumkin [10]. Bundan farqli o'laroq, rentgenografiya ko'plab tibbiy-epidemiologik holatlarda, uning kengroq mavjudligi tufayli muhim rol o'ynaydi [9]. Ko'krak qafasi rentgenografiyasi rentgenograflar uchun tezligi, narxi va soddaligi tufayli favqulodda vaziyatlar va davolanish uchun umid baxsh etadi. Ammo, avvalgi tadqiqotlar, COVID-19 ta'sirlangan odamlardan olingan ko'krak qafasi rentgenogrammasining ba'zi nomuvofiqliklarini kuzatgan.

Ilgari sun'iy intellekt (AI) usullari burun pnevmoniyasini ko'krak qafasi rentgenografiyasi yoki kompyuter tomografiyasi yordamida muvaffaqiyatli tashxislash uchun ishlatilgan [10]. Amaldagi tasniflash usullari Bayes funksiyasidan tortib to o’ramli neyron tarmog'iga (CNN) qadar o'zgaradi. Yaqinda CNN tasvirni tasniflash orqali COVID-19 ni aniqlashning foydali va samarali vositasi ekanligi aniqlandi. CNN ko'p qatlamli neyron tarmoqlardan tashkil topgan bo'lib, ular tasvirni oldindan qayta ishlashsiz tasvir modellarini taniy oladi. Bir nechta CNN modellari mavjud bo'lsa-da, jumladan AlexNet, Resnet50, VGG16, VGG19, VGG19 COVID-19 tasnifi bo'yicha eng yaxshi ko'rsatkichni namoyish etadi [8-9].

So'nggi oylarda tadqiqotchilar COVID-19ni aniqlash uchun chuqur o'rganish algoritmlaridan foydalangan holda ko'krak qafasi rentgen nurlarini tekshirdilar va tahlil qildilar. Birinchidan, tasvirlarni tasniflash uchun chuqur o'rganish algoritmlariga kiritilgan eng yaxshi xususiyatlarni olish uchun tasvirlar CNN usuli yordamida oldindan qayta ishlanadi. Ahammed va boshq. [29] chuqur neyron tarmog'iga asoslangan tizimni taklif qilishdi, bunda CNN yuqori aniqlikni ta'minladi (94,03%). Mualliflar tizimni oddiy bemorning, pnevmoniya va COVID-19 bilan og'rigan bemorlarning ko'krak qafasi rentgen nurlari yordamida o'rgatishgan. Ishning cheklanganligi shundaki, tizimni loyihalash uchun atigi 285 ta rasmdan iborat ma'lumotlar bazasi ishlatilgan va bu kichik ma'lumotlar COVID-19 ni bashorat qilish uchun chuqur o'rganishga asoslangan tizimni tayyorlash uchun ideal emas edi.

Taklif etilgan modelda Loey va boshqalar. AlexNet, GoogleNet va ResNet18 singari uchta chuqur uzatish modeli to'rt xil toifadagi 307 ta tasvirlar to'plamida ishlatilgan: COVID-19, normal, bakterial pnevmoniya va pnevmoniya virusi. Xotira sarfini va bajarilish vaqtini qisqartirish uchun tadqiqot ishlari uchta stsenariyga bo'lingan. Oxirgi chuqur uzatish modelida GoogleNet 100% sinov aniqligi va 99,9% tekshirish aniqligiga erishdi.

Minaee va boshqalar. [36] ResNet18, ResNet50, SqueezeNet va DensNet-121 kabi to'rtta sozlash modellari yordamida ko'krak qafasi rentgen nurlaridan COVID-19ni aniqlash uchun chuqur o'rganish tizimi haqida xabar berdi. Taklif qilinayotgan usul ma'lumotlarning ko'payishidan foydalanib, COVID-19 tasvirlarining konvertatsiya qilingan versiyasini yaratdi, bu esa namunalar sonini ko'paytirdi va nihoyat 98% sezuvchanlik va 90% o'ziga xoslikka yetdi.

Sekeroglu va boshqalar. [37] chuqur o'rganish va mashinani o'rganish tasniflagichlaridan foydalangan holda model ishlab chiqdi, bunda CNN yuqori aniqlikdagi ko'krak rentgen nurlari yordamida jami 38 ta COVID-19 aniqlash tajribalarini o'tkazdi. Ulardan 10 ta tajriba 5 xil mashina o'rganish algoritmi yordamida, 14 ta tajriba esa transferdan o'qitish uchun oldindan tayyorlangan zamonaviy tarmoq bilan o'tkazildi. Tizim 98,50%aniqlik, 99,18%aniqlik va 93,84%sezuvchanlik ko'rsatdi. Ular CNN tomonidan ishlab chiqilgan tizim COVID-19 ni cheklangan miqdordagi tasvirlardan oldindan ishlovsiz va qatlamlari minimallashgan holda aniqlashga qodir, degan xulosaga kelishdi.

Vang va boshqalar. [38] ResNet-101 va ResNet-151 yordamida termoyadroviy effektli, ularning vazn nisbatini dinamik ravishda oshirish uchun model ishlab chiqdi. Ko'krak qafasi rentgenogrammalarining tasnifi uchta sinfga bo'lindi: oddiy, COVID-19 va virusli pnevmoniya. Sinov bosqichida 96,1% ishlash aniqligiga erishildi.

Yoo va boshqalar [39] COVID-19ni aniqlash uchun chuqur o'rganish qarorlari daraxti tasniflagichi yordamida tasniflash uchun ko'krak qafasi rentgen (CXR) tasvirlarini qo'lladilar. Bu klassifikator PyTorch ramkasiga asoslangan uchta ikkilik qaror daraxtlarini solishtirdi. Qaror daraxti CXR tasvirlarini normal yoki g'ayritabiiy deb tasniflagan, uchinchi qaror daraxti o'rtacha aniqlik 95%ga yetgan.

Xalifa va boshqalar [40] koronavirusni bitta odam hujayrasida davolash turiga va davolashning konsentratsiyali darajasiga asoslanib, chuqur o'rganish va mashina o'rganish (ML) metodlaridan foydalangan holda tasniflash usulini ishlab chiqdilar. Ma'lumotlar to'plamining raqamli xarakteristikalari DCNN modelini yaratish uchun tasvirlarga aylantirildi. Modelni davolashning tasniflash testlarining aniqligi boshqa an'anaviy mashinalarni o'rganish usullari bilan taqqoslaganda 98,05% ni tashkil etdi. Biroq, taklif qilingan DCNN modeli DT (98,5%) bilan solishtirganda, davolash konsentratsiyasi darajasini bashorat qilish uchun pastroq test aniqligini (98,2%) ko'rsatdi. O'z tadqiqotlarida chuqur o'tkazish modellari (masalan, Alexnet) ishlatilmadi.