Yapay zekâ tabanlı görüntü işleme yöntemleri ile COVID-19 tahmini
COVID-19 prediction with artificial intelligence based image processing methods
- Tez No: 711594
- Danışmanlar: DOÇ. DR. EMEK GÜLDOĞAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Biyoistatistik, Computer Engineering and Computer Science and Control, Biostatistics
- Anahtar Kelimeler: COVID-19, yapay zekâ, derin öğrenme, video işleme, görüntü işleme, evrişimli sinir ağları, COVID-19, artificial intelligence, deep learning, video processing, image processing, convolutional neural networks
- Yıl: 2022
- Dil: Türkçe
- Üniversite: İnönü Üniversitesi
- Enstitü: Sağlık Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyoistatistik ve Tıp Bilişimi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 47
Özet
Amaç: Bu çalışmanın amacı, uygun video işleme teknikleri ve yapay zekâ yöntemlerini kullanarak Akciğer Ultrason videoları ile COVID-19'u, Bakteriyel Pnömoni, Viral Pnömoni ve sağlıklı kontrollerden başarılı bir şekilde ayırt ederek sınıflandırmak için yüksek performansa sahip bir modelin ve web tabanlı klinik karar destek sisteminin geliştirilmesidir. Materyal ve Metot: Bu çalışmada https://github.com/jannisborn/covid19_ ultrasound adresindeki açık kaynaklı Akciğer ultrason video veri seti kullanılmıştır. Veri setinde bulunan videoların 32'si sağlıklı kontrol, 24'ü COVID-19, 24'ü Bakteriyel Pnömoni ve 12'si Viral Pnömoni sınıfındandır. Video işleme aşamasında her bir sınıftaki videolardan 300'er görüntü karesi alınmıştır. Bu sayede toplam 1200 görüntü elde edilmiştir. Görüntülerin %80'i (960) eğitim ve %20'si (240) test veri seti olarak bölünmüştür. Modelleme aşamasında keras kütüphanesinde bulunan derin sinir ağları mimarilerinden evrişimli sinir ağları (CNN) yöntemi kullanılmıştır. Oluşturulan modelin performansını değerlendirmek için doğruluk, duyarlılık, seçicilik, kesinlik, Matthews'in korelasyon katsayısı (MCC), F1 skoru ve G-ortalama ölçütleri verilmiştir. Bunlara ek olarak oluşturulan yapay zekâ tabanlı model, Python Flask Kütüphanesi ve JavaScript yardımıyla, HTML5 alt yapısı kullanılarak COVID-19'u başarılı bir şekilde tespit edebilen web tabanlı bir sistem geliştirilmiştir. Bulgular: Bu çalışmada açık erişimli Akciğer ultrason video veri seti üzerinde oluşturulan model ile test veri setinde doğruluk sağlıklı kontrol, COVID-19 ve viral pnömoni için %93.39 ve bakteriyel pnömoni için ise %95.07 olarak hesaplanmıştır. Sonuç: Oluşturulan video işleme tabanlı CNN modeli ile elde edilen performans ölçütleri değerlerine göre, geliştirilen sistemin COVID-19, Bakteriyel Pnömoni ve Viral Pnömoni tanısında oldukça başarılı tahminler verdiği söylenebilir.
Özet (Çeviri)
Aim: The aim of this study is to develop a high-performance model and web-based clinical decision making method to successfully distinguish and classify COVID-19 from Bacterial Pneumonia, Viral Pneumonia and healthy controls with Lung Ultrasound videos using appropriate video processing techniques and artificial intelligence methods. development of the support system. Material and Method: In this study, the open source Lung ultrasound video dataset at https://github.com/jannisborn/covid19_ultrasound was used. The dataset includes 32 healthy controls, 24 COVID-19, 24 Bacterial Pneumonia and 12 Viral Pneumonia class videos. In the video processing stage, 300 image frames were taken from the videos in each class. In this way, a total of 1200 images were obtained. 80% (960) of the images are divided into training datasets and 20% (240) as test datasets. In the modeling phase, the convolutional neural network (CNN) method, one of the deep neural network architectures in the keras library, was used. Accuracy, sensitivity, specificity, precision, Matthews' correlation coefficient (MCC), F1 score and G-ortalama criteria are given to evaluate the performance of the model. In addition to these, a web-based system has been developed that can successfully detect COVID-19 using the HTML5 infrastructure, with the help of the artificial intelligence-based model, Python Flask Library and JavaScript. Results: In this study, with the model created on the open access Lung ultrasound video dataset, the accuracy in the test dataset was calculated as 93.39% for healthy control, COVID-19 and viral pneumonia, and 95.07% for bacterial pneumonia. Conclusion: According to the performance criteria values obtained with the video processing-based CNN model, it can be said that the developed system gives very successful predictions in the diagnosis of COVID-19, Bacterial Pneumonia and Viral Pneumonia.
Benzer Tezler
- Tıbbi görüntü işleme ile akciğer grafisinde COVID-19 pozitif tespiti için veri madenciliği ve derin öğrenme yöntemlerinin performanslarının incelenmesi
Investigation of the performance of data mining and deep learning methods for COVID-19 positive detection in lung graph with medical image processing
FATMA GÜL KURT
Yüksek Lisans
Türkçe
2022
BiyoistatistikHacettepe ÜniversitesiBiyoistatistik Ana Bilim Dalı
DOÇ. DR. JALE KARAKAYA KARABULUT
- Prediction of COVID 19 disease using chest X-ray images based on deep learning
Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini
ISMAEL ABDULLAH MOHAMMED AL-RAWE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK
- Design, modelling and control of a nano quadrotor withmicrocontroller based vision system for object tracking
Nesne takibi için bir nano dört rotorlu helikopterin tasarımı, modellenmesi ve mikrodenetleyici tabanlı görüntü sistemi ile kontrolü
MUSTAFA ENES KIRMACI
Yüksek Lisans
İngilizce
2023
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HÜLYA YALÇIN
PROF. DR. ERDİNÇ ALTUĞ
- 2.5D ViT: vision transformer based brain age estimation with 3D brain MRI pre-processes
2.5D ViT: 3 boyutlu beyin MR görüntülerinin ön işlenmesiyle görüntü dönüştürücü tabanlı beyin yaşı tahmini
MUAZZEZ BUKET DARICI
Doktora
İngilizce
2024
Elektrik ve Elektronik MühendisliğiKadir Has ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ATİLLA ÖZMEN
- Image analysis based symbol recognition in colored maps
Renkli haritalarda görüntü analizi tabanlı sembol tanıma
FATMANUR TURHAN
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BEHÇET UĞUR TÖREYİN