HyperAIHyperAI

Command Palette

Search for a command to run...

تحديد طفح الحصبة باستخدام الشبكة العصبية التلافيفية العميقة المتبقية

Kimberly Glock Charlie Napier Andre Louie Todd Gary Joseph Gigante William Schaffner Qingguo Wang

الملخص

الحصبة معدية بشدة، وتعتبر واحدة من الأسباب الرئيسية للأمراض والوفيات القابلة للوقاية باللقاح في الدول النامية، حيث تُسجّل أكثر من 100,000 حالة وفاة سنويًا. تم الإعلان عن القضاء على الحصبة في الولايات المتحدة عام 2000 بفضل عقود من الحملات الناجحة للتطعيم ضد الحصبة. نتيجة لذلك، أصبح عدد متزايد من العاملين في المجال الصحي والجمهور في الولايات المتحدة لم يروا مرض الحصبة قط. للأسف، عاد مرض الحصبة ليظهر مجددًا في الولايات المتحدة عام 2019، حيث تم التأكد من 1,282 حالة. ولمساعدة التشخيص، جمعنا أكثر من 1300 صورة لحالات جلدية متنوعة، واستخدمنا شبكة عصبية عميقة قائمة على التحويلات المتبقية (Residual Deep Convolutional Neural Network) لتمييز طفح الحصبة عن الحالات الجلدية الأخرى، بهدف تطوير تطبيق هاتف ذكي في المستقبل. وعلى مجموعة الصور الخاصة بنا، حقق النموذج دقة تصنيف تبلغ 95.2%، وحساسية قدرها 81.7%، وخصوصية بلغت 97.1%، ما يدل على فعالية النموذج في دعم الكشف الدقيق عن الحصبة، مما يسهم في السيطرة على تفشي المرض.


بناء الذكاء الاصطناعي بالذكاء الاصطناعي

من الفكرة إلى الإطلاق — سرّع تطوير الذكاء الاصطناعي الخاص بك مع المساعدة البرمجية المجانية بالذكاء الاصطناعي، وبيئة جاهزة للاستخدام، وأفضل أسعار لوحدات معالجة الرسومات.

البرمجة التعاونية باستخدام الذكاء الاصطناعي
وحدات GPU جاهزة للعمل
أفضل الأسعار

HyperAI Newsletters

اشترك في آخر تحديثاتنا
سنرسل لك أحدث التحديثات الأسبوعية إلى بريدك الإلكتروني في الساعة التاسعة من صباح كل يوم اثنين
مدعوم بواسطة MailChimp
تحديد طفح الحصبة باستخدام الشبكة العصبية التلافيفية العميقة المتبقية | مستندات | HyperAI