Bilgisayarlı tomografi görüntülerinden derin öğrenme ve makine öğrenmesi ile COVID-19 hastalığının teşhisi
Deep learning from computerized tomography imagesand diagnosis of COVID-19 with machine learning
- Tez No: 688342
- Danışmanlar: DR. ÖĞR. ÜYESİ ZAFER CİVELEK
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Çankırı Karatekin Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 76
Özet
COVID-19 hastalığı kısa süre içerisinde hızlı yayılım göstererek birçok insanın hastalanmasına ve ölmesine sebep olan bir salgın haline gelmiştir. COVID-19 hastalığının kontrol altına alınmasında ve bulaşmanın azaltılmasında hastalığın hızlı tespit edilmesi büyük önem taşımaktadır. COVID-19 hastalığının teşhisinin önemli bir parçasını akciğer görüntüleme işlemleri oluşturmaktadır. Bu çalışmada daha önce hiçbir çalışmada kullanılmamış Bilgisayarlı Tomografi cihazı akciğer görüntülerinden toplam 7200 görüntü içeren veri seti oluşturulmuştur. Bilgisayarlı Tomografi görüntüleri 2020 mart ve 2020 kasım ayları aralığındaki erişkin bütün hastalardan radyoloji doktoru ve radyoloji teknikerlerinin yardımıyla raporlandırılmış hasta verileri arasından seçilmiştir. Çalışmada ikili sınıflandırma metodu kullanılmıştır. Hastalığın teşhisi için Derin Öğrenme yöntemlerinden Evrişimli Sinir Ağları, Makine Öğrenmesi algoritmalarından Yapay Sinir Ağı (YSA), Destek Vektör Makinesi (SVM), K-En Yakın Komşu (KNN) algoritmalarında doğrulama ve test işlemleri gerçekleştirilmiştir. Çalışmalar sonucunda CNN mimarisi Xception modeli için eğitim aşamasında %99.77 doğruluk ve %97.78 test doğruluğu elde edilmiştir. YSA modeli için eğitim aşamasında %98.98 doğruluk ve %97.68 test doğruluğu elde edilmiştir. SVM modeliyle gerçekleştiren test işlemi %96.91 doğruluk elde etmiştir. KNN modelinde ise verilen K değerleri için en iyi %97.40 test doğruluğu elde edilmiştir.
Özet (Çeviri)
COVID-19 disease has become an epidemic that spread rapidly in a short time and caused many people to get sick and die. Rapid detection of the disease is of great importance in controlling the Covid-19 disease and reducing the transmission. Lung imaging procedures constitute an important part of the diagnosis of COVID-19 disease. In this study, a data set containing a total of 7200 images was created from the lung images of the Computed Tomography device, which has not been used in any study before. Computed Tomography images were selected from patient data reported with the help of radiology doctors and radiology technicians from all adult patients between March 2020 and November 2020. The binary classification method was used in the study. For the diagnosis of the disease, validation and testing processes were carried out in Convolutional Neural Networks from Deep Learning methods, Artificial Neural Network (ANN) from Machine Learning algorithms, Support Vector Machine (SVM), K-Nearest Neighbor (KNN) algorithms. As a result of the studies, 99.77% accuracy and 97.78% test accuracy were obtained for the CNN architecture Xception model during the training phase. For the ANN model, 98.98% accuracy and 97.68% test accuracy were obtained during the training phase. The test process performed with the SVM model achieved 96.91% accuracy. In the KNN model, the best test accuracy of 97.40% was obtained for the given K values.
Benzer Tezler
- Classification of COVID-19 from different computed tomography image datasets with machine learning and deep learning methods
Farklı bilgisayarlı tomografi görüntü veri kümelerinden makine öğrenme ve derin öğrenme yöntemleriyle COVID-19 sınıflandırılması
FARID FUAD AL-HAJJ SAIF AL-AREQI
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET ZEKİ KONYAR
- A hybrid deep learning metaheuristic model for diagnosis of diabetic retinopathy
Diyabetik retinopatinin tanısı için hibrit bir derin öğrenme meta-sezgisel modeli
ÖMER FARUK GÜRCAN
Doktora
İngilizce
2022
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA
- COVID-19 hastalığının derin öğrenme yöntemleri kullanılarak tespiti
Detection of COVID-19 disease using deep learning methods
HÜSEYİN YAŞAR
Doktora
Türkçe
2022
Elektrik ve Elektronik MühendisliğiKonya Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MURAT CEYLAN
- Covid-19 hastalığının sınıflandırılmasında derin öğrenme modellerinin performanslarının karşılaştırılması
Comparison of the performances of deep learning models in classification of Covid-19 disease
PERVİN SÜRGÜÇOĞLU
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik MühendisliğiKastamonu ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. KEMAL AKYOL
- Tıbbi görüntüler üzerinden COVID-19 hastalık teşhisi
Diagnosing COVID-19 disease through medical images
GİZEM YEŞİLDAL
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET SERDAR GÜZEL