Different Transfer Learning Approaches for COVID-19 Detection and Grad-CAM-Based Severity Assessment Using Chest X-Ray and CT Images
الكلمات المفتاحية:
severity assessment، , Grad-CAM، , CT scan، CXR، transfer learning، COVID-19الملخص
لا يزال الكشف عن كوفيد-19 من صور الأشعة السينية للصدر يمثل تحديًا نظرًا لاحتمالية تداخل أنماط التصوير مع الالتهاب الرئوي والتغيرات الطبيعية في الرئة. تقدم هذه الورقة البحثية إطار عمل مقارنًا للتعلم بالنقل للكشف التلقائي عن كوفيد-19 وتقييم شدة المرض باستخدام صور الأشعة السينية والتصوير المقطعي المحوسب للصدر، وذلك بالاعتماد على نموذج Grad-CAM. تم تعديل ثلاثة نماذج معمارية تلافيفية مدربة مسبقًا - DenseNet-201 وVGG-16 وInception-v3 - وتقييمها على مجموعتي بيانات متوازنتين، DS_X9K وDS_CT9K، تحتوي كل منهما على 9000 صورة موزعة بالتساوي بين فئات كوفيد-19 والالتهاب الرئوي والحالات الطبيعية. تم اختبار اثني عشر نموذجًا عبر كلا نمطي التصوير باستخدام استراتيجيتين: استخلاص الميزات الثابتة مع طبقات تصنيف قابلة للتدريب، والضبط الدقيق الكامل لجميع معلمات الشبكة. تُظهر النتائج أن الضبط الدقيق الكامل حقق أداءً أقوى وأكثر استقرارًا، حيث وصلت دقة الاختبار إلى 98% على صور الأشعة السينية للصدر، ونحو 99% على صور التصوير المقطعي المحوسب. وفرت خرائط الحرارة الخاصة بنظام Grad-CAM أدلة بصرية قابلة للتفسير من خلال تحديد مناطق الرئة المرتبطة بالمرض ودعم التقييم البصري لشدة الحالة.
الكلمات المفتاحية: كوفيد-19، التعلم بالنقل، الأشعة السينية للصدر، التصوير المقطعي المحوسب، Grad-CAM، تقييم شدة الحالة
صفحة الفيسبوك 
0912632368 
