عنوان المقالة:نظام تشخيصي مقترح لفيروس كورونا يعتمد على أنظمة Neutrosophic والتعلم العميق A Suggested Diagnostic System of Corona Virus based on the Neutrosophic Systems and Deep Learning
.A.A. Salama, Mohamed Fazaa, Mohamed Yahya, M. Kazim
الملخص العربي
تستند فكرة هذه الورقة إلى استخدام مجهر متصل بالكمبيوتر مرتبط بالتعلم العميق ، باستخدام الشبكة العصبية التلافيفية (CNN). CNN هو نوع رياضي من التعلم العميق يستخدم للتعرف على الصور وتشخيصها. بعد ذلك نقوم بتصوير عينات الدم وكذلك العينات المأخوذة من الفم والأنف ، كما يمكن تصوير الحلق من الداخل لعدد كبير من المصابين وغير المصابين وكذلك المشتبه بإصابتهم بالعدوى. توفير عدد كبير من المراجع لهذا البرنامج لكل نوع من تلك العينات المختلفة. من الممكن إجراء هذه العملية في دقائق قليلة ، وتوفير الوقت والمال ، وإجراء التحليلات لأكبر عدد ممكن من الأشخاص ، وتقديم النتائج بطريقة دقيقة وموثقة ، وذلك من خلال السلسلة الزمنية Neutrosophic. أساس وتحليل التعامل مع كافة البيانات سواء كانت محددة أو غير محددة والتي يمكن أن تؤخذ من خلال قيم السلاسل الزمنية ، ثم نقدم النموذج الخطي للسلسلة الزمنية العصبية ، ونختبر أهمية معاملها بناءً على توزيع المرضى. أخيرًا ، مما سبق ، يمكننا توفير سلسلة زمنية للمريض وفقًا للنموذج الخطي الذي يمكننا من خلاله التنبؤ بدقة بالبرنامج الذي سيعطي درجات التحقق ودرجات عدم اليقين في البيانات.
الملخص الانجليزي
The idea for this paper is based on the use of a computer-connected microscope associated with Deep Learning, using Convolutional Neural Network (CNN). CNN is a mathematical type of Deep Learning used to recognize and diagnose images. After that, we photograph blood samples, as well as samples, were taken from the mouth and nose, as well as it is possible to photograph the throat from the inside of a large number of injured and uninfected people as well as suspected of infection and provide a large number of references for this program for each type of those different samples. It is possible to perform this process in few minutes, save time and money, make analyzes for the largest possible number of people, and provide results in an accurate and documented manner, which is through the Neutrosophic time series. The basis and analysis of dealing with all data, whether specific or not, that can be taken by time series values, then we present the linear model for the neutrosophic time series, and we test the significance of its coefficient based on patients distribution. Finally, from the above, we can provide a patient neutrosophic time series according to the linear model through which we can accurately predict the program will give degrees of verification and degrees of the uncertainty of the data.
أ.د. أحمد سلامة | Prof. Dr. Ahmed Salama | 10201