Detection of Lung Affected by the COVID-19 Using New CNN Architecture

Hani Saeed  Hasaan

doi:10.63964/JATUC.43.1.2026.13

المؤلفون

Hani Saeed Hasaan Technical Engineering College of Artificial Intelligence, Middle Technical University المؤلف

DOI:

https://doi.org/10.63964/JATUC.43.1.2026.13

الكلمات المفتاحية:

فيروس كوفيد-19، لشبكة عصبية التفافية رباعية المراحل، رئة، التعلّم الموزون للفئات، الكشف الدقيق والمبكر

الملخص

يُعدّ الكشف الدقيق والمبكر عن عدوى الرئة المرتبطة بفيروس كوفيد-19 أمرًا بالغ الأهمية لاتخاذ قرارات سريرية فعّالة. تُقدّم هذه الورقة البحثية بنيةً جديدةً لشبكة عصبية التفافية رباعية المراحل (4CNN) لتصنيف صور الأشعة السينية للصدر إلى ثلاث فئات متسقة سريريًا: رئة مصابة بكوفيد-19، ورئة غير مصابة بكوفيد-19، ورئة سليمة. يعالج النموذج المقترح عدم توازن مجموعة البيانات باستخدام التعلّم الموزون للفئات، ويُقيّم الأداء باستخدام مقاييس طبية شاملة. تُظهر النتائج التجريبية أداءً تصنيفيًا قويًا بدقة إجمالية تبلغ 92% وحساسية محسّنة للفئات الأقل شيوعًا. تُستخدم بنية 4 CNN لتوفير تفسير مرئي.