ارزیابی سیستم‌های تشخیص کووید-19 با استفاده از یادگیری ماشین

چکیده

داده‌کاوی فرایند تجزیه ‌وتحلیل حجم عظیمی از داده‌ها برای کشف اطلاعات است؛ این فرایند، توسط شرکت‌ها برای تبدیل داده‌های خام به اطلاعات مفید در نظر گرفته می‌شود و همچنین کاوش و تجزیه‌وتحلیل انبوهی از اطلاعات برای به‌دست آوردن الگوها و روندهای معنی‌دار، مورد استفاده قرار می‌گیرد. کاوش در داده به شرکت‌ها در حل مشکلات، کاهش خطرات و استفاده از فرصت‌های جدید کمک می‌کند. این شاخه از علم داده، نام خود را از شباهت‌های جست‌وجوی اطلاعات ارزشمند در یک پایگاه داده بزرگ با استخراج از کوه برای یافتن سنگ معدن الهام گرفته است. ویروس کرونا بیش از 100 میلیون نفر را مبتلا کرده و منجر به مرگ تقریباً سه میلیون نفر در سراسر جهان شده است. برای کاهش این گسترش همه‌گیری بی‌سابقه، استفاده از تکنیک‌های هوش مصنوعی برای توسعه ابزارهایی که از پزشکان در کارهای مختلف حمایت می‌کنند، توجه روزافزونی به‌خود جلب کرده است. علی‌رغم نتایج امیدوارکننده برای کار تشخیصی (یعنی تشخیص COVID-19)، توسعه مدل‌های پیش‌آگهی، یا برای پیش‌بینی پذیرش بستری در ICU یا سایر پیامدها (ازجمله مرگ) یا طبقه‌بندی بیماران بر اساس خطر، تاکنون پیشرفت‌های هوش مصنوعی در زمینه تشخیص COVID-19 عقب مانده است. در فصل اول، به بررسی تکنیک‌های مربوط به داده‌کاوی پرداخته شده است. سپس در فصل دوم، با استفاده از مجموعه داده مربوط به COVID-19 که از سایت Kaggel گرفته شده، عملیات داده‌کاوی بر روی این مجموعه داده انجام و نتایج آن نیز گزارش شده است. سپس، مقالات مربوط به تشخیص COVID-19 در فصل سوم با هم مورد مقایسه قرار گرفته‌اند.