MAPress
ترجمه فارسی مقاله مطالعه تجربی بزرگ جدید یادگیری انتقال عمیق برای طبقه بندی COVID-19 بر اساس تصاویر سی تی و اشعه ایکس

ترجمه فارسی مقاله مطالعه تجربی بزرگ جدید یادگیری انتقال عمیق برای طبقه بندی COVID-19 بر اساس تصاویر سی تی و اشعه ایکس

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی Novel Large Empirical Study of Deep Transfer Learning for COVID-19 Classification Based on CT and X-Ray Images
عنوان مقاله به فارسی مطالعه تجربی بزرگ جدید یادگیری انتقال عمیق برای طبقه بندی COVID-19 بر اساس تصاویر سی تی و اشعه ایکس
نویسندگان Mansour Almutaani, ProfileTurki Turki, ProfileY-h. Taguchi
فرمت مقاله انگلیسی PDF
تعداد صفحات 22
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Infectious Diseases (except HIV/AIDS) بیماری های عفونی (به جز HIV/AIDS)

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

The early and highly accurate prediction of COVID-19 based on medical images can speed up the diagnostic process and thereby mitigate disease spread; therefore, developing AI-based models is an inevitable endeavor. The presented work, to our knowledge, is the first to expand the model space and identify a better performing model among 10000 constructed deep transfer learning (DTL) models as follows. First, we downloaded and processed 4481 CT and X-ray images pertaining to COVID-19 and non-COVID-19 patients, obtained from the Kaggle repository. Second, we provide processed images as inputs to four pre-trained deep learning models (ConvNeXt, EfficientNetV2, DenseNet121, and ResNet34) on more than a million images from the ImageNet database, in which we froze the convolutional and pooling layers pertaining to the feature extraction part while unfreezing and training the densely connected classifier with the Adam optimizer. Third, we generate and take a majority vote of two, three, and four combinations from the four DTL models, resulting in models. Then, we combine the 11 DTL models, followed by consecutively generating and taking the majority vote of DTL models. Finally, we select 7953 DTL models from . Experimental results from the whole datasets using five-fold cross-validation demonstrate that the best generated DTL model, named HC, achieving the best AUC of 0.909 when applied to the CT dataset, while ConvNeXt yielded a higher marginal AUC of 0.933 compared to 0.93 for HX when considering the X-ray dataset. These promising results set the foundation for promoting the large generation of models (LGM) in AI.

چکیده به فارسی (ترجمه ماشینی)

پیش بینی اولیه و بسیار دقیق COVID-19 بر اساس تصاویر پزشکی می تواند روند تشخیص را سرعت بخشد و از این طریق گسترش بیماری را کاهش دهد.بنابراین ، توسعه مدلهای مبتنی بر AI یک تلاش اجتناب ناپذیر است.کار ارائه شده ، به دانش ما ، اولین کسی است که فضای مدل را گسترش می دهد و یک مدل با عملکرد بهتر در بین 10000 مدل یادگیری انتقال عمیق ساخته شده (DTL) را به شرح زیر شناسایی می کند.ابتدا تصاویر 4481 CT و اشعه ایکس مربوط به بیماران COVID-19 و غیر COVID-19 را که از مخزن Kaggle به دست آمده ، بارگیری و پردازش کردیم.دوم ، ما تصاویر پردازش شده را به عنوان ورودی به چهار مدل یادگیری عمیق از پیش آموزش داده شده (ConvNext ، EffectiveNetV2 ، Densenet121 و Resnet34) در بیش از یک میلیون تصویر از پایگاه داده Imagenet ارائه می دهیم ، که در آن ما لایه های حلقوی و جمع شده مربوط به ویژگی را یخ می زنیمقسمت استخراج در حالی که یخ زدگی و آموزش طبقه بندی متراکم متصل با بهینه ساز آدام.سوم ، ما از چهار مدل DTL دو ، سه و چهار ترکیب را تولید می کنیم و می گیریم که منجر به مدل ها می شود.سپس ، ما 11 مدل DTL را با هم ترکیب می کنیم و به دنبال آن به طور متوالی تولید و رای گیری اکثریت مدل های DTL را می گیریم.در آخر ، ما 7953 مدل DTL را از.نتایج تجربی از کل مجموعه داده ها با استفاده از اعتبارسنجی متقاطع پنج برابر نشان می دهد که بهترین مدل DTL تولید شده ، به نام HC ، دستیابی به بهترین AUC 0.909 هنگام استفاده از مجموعه داده CT ، در حالی که Convnext AUC حاشیه ای بالاتری از 0.933 در مقایسه با 0.93 برای 0.93 به دست آوردHX هنگام در نظر گرفتن مجموعه داده اشعه ایکس.این نتایج امیدوار کننده پایه و اساس ترویج نسل بزرگ مدل ها (LGM) در هوش مصنوعی را فراهم می کند.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.