Classification du COVID’19 en utilisant CNN dans les images X-ray

Abstract

L'image médicale thoracique Rayon-X contient suffisamment d'informations pour déterminer si le patient est infecté par le virus Corona ou non. Les médecins et les experts dans ce domaine ont adopté cette méthode en raison de la difficulté de mener l'examen de réaction en chaîne polymérisée PCR dans la plupart des cas pour diverses raisons. Le but de ce projet est de concevoir un système intelligent capable de distinguer les images médicales thoraciques afin d'aider les médecins et de classifier les images, comme dans notre cas, il est classifié en une image en deux classes (d'une personne normale ou une image d’une personne infectée par le virus Corona). Ce système peut fonctionner en deux modes, le premier mode est normal en prenant l'image et en faisant une prédiction dessus et en donnant le résultat, tandis que le deuxième mode fonctionne en temps réel, car une fois que la caméra prend la radiographie, il est traité et donné le résultat. Ce système fondé principalement sur l'amélioration de la qualité de l'image en équilibrant les couleurs pour extraire plus de détails, et sur les réseaux de neurones convolutifs, et grâce à l'expérience et sur la base des résultats extraits, nous avons pu construire un réseau de neurones convolutifs et l'entraîner à l'aide de la base de données que nous avons construite selon certains critères dont le plus important est d'utiliser la partie qui contient le poumon uniquement à partir de l'image et en abandonnant le reste de ses parties. Nous avons obtenu des résultats encourageants avec une précision de 98,98 % et un taux d'erreur d'environ 0,96 %.