چاپ مقاله اساتید گروه کامپیوتر دانشگاه در مجله معتبر بین‌المللی با ضریب تاثیر "3/5"

به گزارش روابط عمومی دانشگاه، مقاله دکتر سید محمد جوادی مقدم عضو محترم هیات علمی گروه مهندسی کامپیوتر دانشگاه بزرگمهر قائنات و دکتر حسین غلامعلی نژاد استاد مدعو دانشکده مهندسی این دانشگاه، با عنوان
" COVIDDCGAN: Oversampling Model Using DCGAN Network to Balance a COVID-19 Datase"
در  نشريه  " International Journal of Information Technology & Decision Making" با  اعتبار " JCR-Q2" و با ضريب تاثیر "3/5"مورد پذيرش قرار گرفت.

عفونت COVID-19 در اواخر سال 2019 به عنوان یک بیماری همه گیر اعلام شد. با توجه به سرعت بالای انتشار، تشخیص سریع می تواند از شیوع ویروس جلوگیری کند. تشخیص ویروس با استفاده از اطلاعات برجسته از تصاویر سی تی اسکن یک روش سریع، ارزان و در دسترس است. با این حال، این مجموعه داده‌های تصویری به دلیل ماهیت داده‌های پزشکی و فقدان تصاویر کروناویروس نامتعادل هستند. در نتیجه، الگوریتم های طبقه بندی مرسوم این داده ها را به صورت نامناسب طبقه بندی می کنند. تکنیک Oversampling یکی از شناخته شده‌ترین روش‌هایی است که سعی می‌کند با افزایش کلاس اقلیت داده‌ها، مجموعه داده را متعادل کند. این مقاله یک مدل بیش‌نمونه‌برداری جدید با استفاده از یک شبکه متخاصم مولد پیچیده عمیق (DCGAN) برای تولید نمونه‌هایی ارائه می‌کند که عملکرد طبقه‌بندی کننده را بهبود می‌بخشد. در ساختارهای قبلی DCGAN، استخراج ویژگی تنها در لایه کانولوشن انجام می‌شود، در حالی که در ساختار پیشنهادی، هم در لایه کانولوشن و هم در لایه ادغام انجام می‌شود. یک لایه تبدیل هار به عنوان لایه ادغام سعی می کند ویژگی های بهتری را استخراج کند. نتایج ارزیابی در دو مجموعه داده بیمارستانی، دقت 95.8 و معیار خطا 0.5354 را برای معماری پیشنهادی بیان می‌کند. همچنین در مقایسه با ساختار استاندارد DCGAN، مدل پیشنهادی در تمامی معیارهای طبقه بندی برتری دارد. بنابراین، مدل جدید می تواند به رادیولوژیست ها در تایید غربالگری اولیه کمک کند.
روابط عمومی و مديريت پژوهشي دانشگاه بزرگمهر قائنات اين موفقيت را به پژوهشگران اين مقاله و خانواده دانشگاه بزرگمهر قائنات تبريك عرض نموده، از خداوند متعال موفقيت روز افزون اين عزيزان را مسئلت مي نمايد.
 

مطالب مرتبط