آقای مهندس شریف‌ حسنی دانش آموخته مقطع کارشناسی با وابستگی دانشگاه سمنان (شاغل به تحصیل در مقطع کارشناسی ارشد دانشگاه مالک اشتر) و آقای دکتر حمید نصیری دانش آموخته مقطع کارشناسی (دانش آموخته ارشد و دکترا صنعتی امیرکبیر و پژوهشگر پسادکتری دانشگاه Lancaster انگلستان، استاد حق‌التدریس و مدرس مدعو دانشکده مهندسی برق و کامپیوتر) مقاله ای با عنوان «شناسایی خودکار موارد ابتلا به کووید-19 از تصاویر رادیوگرافی قفسه سینه با استفاده از شبکه عصبی عمیق و الگوریتم XGBoost»، به عنوان یکی از پراستنادترین مقالات منتشرشده در ژورنال بین‌المللی و معتبرRadiography  از انتشارات الزویر منتشر کردند. این مقاله برای دومین سال پیاپی به عنوان یکی از پراستنادترین مقالات این ژورنال انتخاب شده است.

این مقاله با تمرکز بر کاربرد هوش مصنوعی در تشخیص سریع بیماری کرونا، روشی دقیق و کارآمد برای تحلیل تصاویر X-ray  قفسه سینه ارائه داده است. بر اساس نتایج به‌دست‌آمده، الگوریتم پیشنهادی با دقت بالایی امکان شناسایی موارد ابتلا به کووید-۱۹ را دارد.

در این روش، از شبکه پیش‌آموزش‌دیده DenseNet169 برای استخراج ویژگی‌های تصاویر استفاده شده و سپس الگوریتم XGBoost  برای دسته‌بندی تصاویر به کار گرفته شده است. دقت بالا و پیچیدگی محاسباتی پایین از مزایای کلیدی این روش به شمار می‌آید.

دکتر اکبری‌فرود، ریاست دانشکده مهندسی برق و کامپیوتر با تبریک این موفقیت درخشان، اظهار داشت: «این دستاورد علمی ارزشمند نه‌تنها نشان‌دهنده توانمندی علمی دانشجویان دانشگاه سمنان است، بلکه گامی مؤثر در کاربردی‌سازی فناوری‌های نوین برای ارتقاء سلامت عمومی به شمار می‌آید».

ژورنال Radiography یکی از نشریات بین‌المللی برجسته در حوزه تصویربرداری پزشکی است که مقالات آن پس از داوری دقیق علمی منتشر می‌شوند.

دانشگاه سمنان ضمن تبریک به این پژوهشگران دانش آموخته دانشگاه سمنان، برای آنان آرزوی موفقیت‌های بیشتر در عرصه‌های ملی و بین‌المللی دارد.

اطلاعات کامل مقاله:

H. Nasiri, S. Hasani, Automated detection of COVID-19 cases from chest X-ray images using deep neural network and XGBoost, Radiography, Volume 28, Issue 3, 2022, Pages 732-738, ISSN 1078-8174, https://doi.org/10.1016/j.radi.2022.03.011. (https://www.sciencedirect.com/science/article/pii/S1078817422000438)