Radyoloji görüntülerinden COVID19 zatürresi analizi
COVID 19 pneumonia analysis from radiology images
- Tez No: 712818
- Danışmanlar: DR. ÖĞR. ÜYESİ ORHAN ERDEM HABERAL, DR. ÖĞR. ÜYESİ MEHMET YÜKSEKKAYA
- Tez Türü: Yüksek Lisans
- Konular: Biyomühendislik, Elektrik ve Elektronik Mühendisliği, Bioengineering, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Başkent Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 88
Özet
COVID19, ilk olarak 2019 yılı sonunda Aralık ayında ortaya çıkmıştır ve ilk vaka Çin'in Wuhan kentinde görülmüştür. Birkaç ay içerisinde tüm dünyayı saran bir pandemi haline gelen hastalığa dönüşmüştür. Hastalığa sebep olan virüs, SARS virüs ailesine ait olan SARS-CoV-2'dir. Hastalığın başlıca belirtileri, yüksek ateş, halsizlik, öksürük ve nefes darlığıdır. Hastalığın ilerleyen safhalarında çeşitli sindirim sistemi rahatsızları, kalp rahatsızlıkları ve zatürre gibi mortaliteyi artıran sonuçlar görülebilir. Radyolojik görüntüler COVID19 pandemisi döneminde, hastalığın zatürre oluşturup oluşturmadığını incelemek ve eğer akciğerlerde zatürre oluştuysa bunun durumunun takibi için kullanılmaktadır. Radyolojik görüntüler birkaç başlık altında açıklanabilmektedir; röntgen görüntüleri, manyetik rezonans görüntüleri, pozitron emisyon tomografisi görüntüleri ve bilgisayarlı tomografi görüntülerinden oluşmaktadır. Bilgisayarlı tomografi genellikle kemik dokusu, damar dokuları, kalp dokusu ve akciğer dokuları gibi çeşitli bölgelerin incelenmesi amacıyla kullanılabilmektedir. COVID19 pandemisi döneminde de, zatürre tespiti için en çok kullanılan yöntemlerden birisi olmuştur. Bunun başlıca sebepleri, yüksek çözünürlüklü görüntüler sunması, kısa sürede sonuç alınabilmesi, çok katmanlı görüntüler sunduğu için detaylı bilgiler sunması şeklinde sayılabilir. Bilgisayarlı tomografi görüntüleri lezyonların tespitinin yanı sıra hastalığın akciğerler üzerinde seyrinin takip edilmesi için de kullanılabilmektedir. Bu çalışmada VGG16, ResNet50, ResNet50v2 ve katman eklenmiş ResNet50v2 mimarileri ile 12967 görüntü, oluşturulan sistem tarafından eğitilmiş ve test edilmiştir. Eğitilen katman eklenmiş ResNet50v2 modeli ile sınıf aktivasyonu görüntüler üzerinde görselleştirilmiştir. Yapılan testlerin sonuçlarına göre katman eklenmiş ResNet50v2 modeli %97.83 hassasiyet, %99.47 özgüllük ve %99.53 test kesinliği vermiştir.
Özet (Çeviri)
COVID19 is a disease that appeared in China,Wuhan in end of the 2019,December.It became a pandemic within a few months. The virus that causes the disease is SARS-CoV-2, which belongs to the SARS virus family. The main symptoms of the disease are high fever, weakness, shortness of breath and cough. In the later stages of the disease, results that increase mortality such as various digestive system disorders, heart diseases and pneumonia can be seen. Radiological images are used during the COVID19 pandemic period to examine whether the disease causes pneumonia and to monitor the situation if pneumonia has occurred in the lungs. Radiological images can be explained under several headings; computed tomography images, magnetic resonance images, X-ray images and positron emission tomography images. Computed tomography can generally be used to examine various regions such as bone tissue, vascular tissues, heart tissue and lung tissues. During the COVID19 pandemic, it is one of the most used methods for detecting pneumonia. The main reasons for this can be counted as offering high-resolution images, getting results in a short time, and providing detailed information because it offers multi-layered images. Computerized tomography images can be used to detect lesions as well as to follow the course of the disease on the lungs. In this study, 12967 images were trained and tested by VGG16, ResNet50, ResNet50v2 and ResNet50v2 architectures with added layers. Class activation was visualized on images with the ResNet50v2 model with the trained layer added. According to the results of the tests, the ResNet50v2 model with the added layer gave 97.83% sensitivity, 99.47% specificity and 99.53% test accuracy.
Benzer Tezler
- 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
- 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
- Yapay zeka tabanlı akciğer röntgen görüntülerinden covıd-19 tespiti
Covid-19 detection from artificial intelligence based lung x-ray images
ÖZGÜR KART
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. FATİH BAŞÇİFTÇİ
- Bilgisayarlı tomografi görüntüleri üzerinde derin öğrenme tabanlı COVID-19 teşhisine yönelik hekim karar destek sistemi tasarımı
Deep learning based physician decision support system design for COVID-19 diagnosis on computed tomography images
OĞUZHAN KATAR
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ERKAN DUMAN