ترجمه تخصصی ارزان مقاله Covid GAN: افزودن داده‌ها با استفاده از طبقه‌بندی کمکی GAN برای تشخیص بهبود یافته کووید-19 (IEEE 2020)

ارسال توسط وب‌رویا در 2020, آی تریپل آی IEEE, انفورماتیک پزشکی, داده کاوی, داده کاوی در پزشکی, فناوری اطلاعات و کامپیوتر, مقالات کووید-19, هوش مصنوعی, هوش مصنوعی در پزشکی

ترجمه تخصصی ارزان مقاله Covid GAN: افزودن داده‌ها با استفاده از طبقه‌بندی کمکی GAN برای تشخیص بهبود یافته کووید-19 (IEEE 2020)

ترجمه فارسی چکیده مقاله:

کرونا ویروس (کووید-19) یک بیماری ویروسی است که توسط سندرم حاد تنفسی کرونا ویروس2 ( (SARS-CoV-2 ایجاد می‌شود. به نظر می‌رسد گسترش کووید-19 تأثیر مضری بر اقتصاد جهانی و بهداشت دارد. اشعه X قفسه سینه از بیماران آلوده یک گام مهم در نبرد با کووید-19 است. نتایج اولیه نشان می‌دهد که ناهنجاری‌هایی در اشعه X قفسه سینه بیماران مبتلا به کووید-19 وجود دارد. این امر به معرفی انواع سیستم‌های یادگیری عمیق منجر شده است و مطالعات نشان داده‌اند که دقت تشخیص کووید-19 بیمار از طریق استفاده از اشعه X قفسه سینه بسیار خوش بینانه است. شبکه‌های یادگیری عمیق مانند شبکه‌های عصبی مرکزی (CNN) به مقدار قابل توجهی از دادههای آموزشی نیاز دارند.
از آنجا که شیوع بیماری به تازگی است، جمع آوری تعداد قابل توجهی از تصاویر رادیوگرافی در چنین مدت کوتاهی دشوار است. بنابراین، در این تحقیق، ما یک روش برای تولید تصاویر پرتوی مصنوعی (CXR) از قفسه سینه با ایجاد یک مدل سازنده شبکه طبقه‌بندی کننده کمکی (ACGAN) به نام CovidGAN ارائه می‌دهیم. علاوه بر این، مشخص شد که از تصاویر مصنوعی تولید شده از CovidGAN می‌توان برای افزایش عملکرد CNN برای تشخیص کووید-19 استفاده کرد. طبقه‌بندی با استفاده از CNN به تنهایی دقت 85٪ را به همراه داشت. با افزودن تصاویر مصنوعی تولید شده توسط CovidGAN، دقت آن به 95٪ افزایش یافته است. ما امیدواریم که این روش سرعت تشخیص کووید-19 را سرعت بخشد و به سیستم‌های قوی‌تر رادیولوژی منجر شود.

 

عنوان مقاله انگلیسی:

CovidGAN: Data Augmentation using Auxiliary Classifier GAN for Improved Covid-19 Detection

چکیده مقاله انگلیسی:

ABSTRACT Coronavirus (COVID-19) is a viral disease caused by severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2). The spread of COVID-19 seems to have a detrimental effect on the global economy and health. A positive chest X-ray of infected patients is a crucial step in the battle against
COVID-19. Early results suggest that abnormalities exist in chest X-rays of patients suggestive of COVID-19. This has led to the introduction of a variety of deep learning systems and studies have shown that the accuracy of COVID-19 patient detection through the use of chest X-rays is strongly optimistic. Deep learning networks like convolutional neural networks (CNNs) need a substantial amount of training data. Because the outbreak is recent, it is difficult to gather a significant number of radiographic images in such a short time. Therefore, in this research, we present a method to generate synthetic chest X-ray (CXR) images by developing an Auxiliary Classifier Generative Adversarial Network (ACGAN) based model called CovidGAN. In addition, we demonstrate that the synthetic images produced from CovidGAN can be utilized to enhance the performance of CNN for COVID-19 detection. Classification using CNN alone yielded 85% accuracy. By adding synthetic images produced by CovidGAN, the accuracy increased to 95%. We hope this method will speed up COVID-19 detection and lead to more robust systems of radiology.

INDEX TERMS Deep learning, Convolutional neural networks, Generative Adversarial Networks, Synthetic Data Augmentation, COVID-19 Detection

تعداد صفحات مقاله: 9

تاریخ انتشار مقاله: 2020

نشریه: آی تریپل آی IEEE

فرمت فایل: pdf

حجم فایل: 1/944KB

 

لینک دانلود رایگان مقاله انگلیسی:

Covid GAN افزودن داده‌ها با استفاده از طبقه‌بندی کمکی GAN برای تشخیص بهبود یافته کووید-19

** مبلغ ترجمه تخصصی ارزان این مقاله : 15000 تومان **

»»شما اکنون 50% از کل مبلغ ترجمه را پرداخت کرده و باقی مبلغ را پس از آماده شدن ترجمه خواهید پرداخت.

»»پس از ثبت سفارش ترجمه، طی حداکثر 7 روز کاری آینده، ترجمه فارسی به‌صورت دو فایل word و pdf برای شما آماده می‌شود و به شما اطلاع‌رسانی خواهد شد.

 

7500 تومان – سفارش ترجمه

فعلا امکان ارسال دیدگاه برای این پست وجود ندارد.