Veri Bilimi

Yazarlar: Ferhat BOZKURT, Mete YAĞANOĞLU

Konular:Mühendislik

Anahtar Kelimeler:Derin öğrenme,ESA,X-Ray,COVID-19

Özet: COVID-19 salgını, dünya çapında büyük bir güvenlik ve sağlık tehdidi haline gelmiştir. Tipik akciğer X-ray görüntüleri şüpheli vakaların erken taranmasına yardımcı olabilse de, çeşitli viral pnömoni (zatürre) görüntüleri COVID-19 ile benzerdir ve benzer özellikler içermektedir. Dolayısıyla radyologların diğer benzer akciğer hastalıklarını COVID-19’dan ayırt etmesi zordur. Bu bağlamda, COVID-19 semptomlarının viral pnömoniye benzer olması, yanlış tanılara yol açabilmektedir. Bu çalışmada akciğer X-ray görüntülerinden COVID-19’un derin evrişimli sinir ağları (ESA) kullanılarak tespiti yapılmıştır. Çalışmada bir derin ESA modeli sunulmuş olup, açık erişimli veri kümesi üzerinde deneysel çalışmalar gerçekleştirilmiştir. Bu veri kümesinde, COVID-19, Normal ve Viral Pnömoni olmak üzere üç sınıfa ait toplam 3886 görüntü bulunmaktadır. Bu veri kümesini kullanarak, önerilen ESA modelinin doğruluğu üzerine performans değerlendirmeleri yapılmış olup ayrıca sonuçlar VGG19, Inception V3 ve ResNet50 gibi derin ESA tabanlı diğer popüler modeller ile karşılaştırılmıştır. Deneysel çalışmalarda, önerilen derin ESA modeli ile doğruluk değeri en yüksek %96 bulunmuştur.

---