دانلود ترجمه مقاله علم داده و نقش هوش مصنوعی در دستیابی به تشخیص سریع تر Covid-19

1. مقدمه 2. روش تحقیق 3. نتایج و بحث و بررسی 4. نتیجه گیری

چکیده – شیوع سریع ویروس کرونای جدید (یعنی کووید-19) در سراسر جهان، از زمان شیوع آن در شهر ووهان چین در دسامبر 2019، به همه یک همه گیری را هشدار داد. درحالی که جهان هنوز تلاش می کند چگونه انتشار سریع ویروس کرونای جدید را جلوگیری کند، این بیماری جان هزاران نفر را در سراسر جهان گرفته است. اما، تشخیص انتشار ویروس در انسان ها، واقعاً پیچیدگی خود را نشان داده است. ترکیبی از تصویربرداری کامپیوتری تومور، توالی سازی ژنومی کلی و ریزنگاری الکترونی، در ابتدا برای غربالگری و متمایز سازی SARS-CoV-2 ، یعنی سبب شناسی ویروسی کووید-19، بکار گرفته شده است. تعداد بیش از پیش کمتری از کیت های تست کووید-19 در بیمارستان ها دردسترس قرار می گیرد که این بخاطر این است که هر روز تعداد موارد مبتلا گسترش می یابد. به این ترتیب، ایجاد یک چارچوب «قرار گیری شخص در معرض بیماری» به عنوان یک تحلیل جایگزین سریع برای جلوگیری از انتشار کووید-19 در افراد در کل جهان، لازم است. در مقاله حاضر، ما یک روش بهینه را بدقت طراحی کرده ایم که به شناسایی افراد مبتلا به کووید-19 در میان افراد سالم با بکارگیری سی تی اسکن و تصاویر اشعه ایکس از سینه با استفاده از هوش مصنوعی (AI)، کمک می کند. این استراتژی با یک مجموعه داده از تصاویر اشعه ایکس از سینه افراد سالم و مبتلا به کووید-19، کار می کند. این ابزار تشخیص تصویری از دسته بندی کننده درخت تصمیم برای یافتن شخص مبتلا به کرونا استفاده می کند. درصد دقت یک تصویر از نظر دقت، نمره بازخوانی و نمره F1، تحلیل می شود. برآمد به اطلاعات قابل دسترسی در انبار Kaggle و Open-I طبق تصاویر سی تی اسکن و اشعه ایکس از سینه تایید شده، بستگی دارد. جالب اینکه، این روش تست اثبات کرده است که الگوریتم مدنظر ، پایدار (مقاوم)، دقیق و صحیح می باشد. روش ما، با تمرکز بر نوآوری AI، دقیق بودن خود را نشان می دهد و نتایج سریعتری را در هر دو مرحله آموزش و استنباط، حاصل می کند.

The rapid spread of novel coronavirus (namely Covid-19) worldwide has alarmed a pandemic since its outbreak in the city of Wuhan, China in December 2019. While the world still tries to wrap its head around as to how to contain the rapid spread of the novel coronavirus, the pandemic has already claimed several thousand lives throughout the world. Yet, the diagnosis of virus spread in humans has proven complexity. A blend of computed tomography imaging, entire genome sequencing, and electron microscopy have been at first adapted to screen and distinguish SARS-CoV-2, the viral etiology of Covid-19. There are a less number of Covid-19 test kits accessible in hospitals because of the expanding cases every day. Accordingly, it is required to utensil a self-exposure framework as a fast substitute analysis to contain Covid-19 spreading among individuals considering the world at large. In the present work, we have elaborated a prudent methodology that helps identify Covid-19 infected people among the normal individuals by utilizing CT scan and chest x-ray images using Artificial Intelligence (AI). The strategy works with a dataset of Covid-19 and normal chest x-ray images. The image diagnosis tool utilizes decision tree classifier for finding novel corona virus infected person. The percentage accuracy of an image is analyzed in terms of precision, recall score and F1 score. The outcome depends on the information accessible in the store of Kaggle and Open-I according to their approved chest X-ray and CT scan images. Interestingly, the test methodology demonstrates that the intended algorithm is robust, accurate and precise. Our technique accomplishes the exactness focused on the AI innovation which provides faster results during both training and inference.